HyEvo：面向高效推理的自进化混合智能体工作流

尽管智能体工作流已展现出解决复杂任务的强大潜力，但现有的自动化生成方法依然效率低下且表现不佳，因为它们依赖预定义的算子库以及纯LLM的同构工作流，其中所有任务级计算都通过概率推断执行。为突破这些局限，我们提出HyEvo，一个利用异构原子合成的自动化工作流生成框架。HyEvo将用于语义推理的概率LLM节点与用于规则执行的确定性代码节点相结合，把可预测的操作从LLM推断中卸载，从而降低推断成本与执行延迟。为在混合搜索空间中高效导航，HyEvo采用LLM驱动的多岛进化策略与先反思后生成机制，通过执行反馈迭代精炼工作流拓扑与节点逻辑。全面实验表明，HyEvo在多样的推理与编码基准上一致优于现有方法，同时相较最先进的开源基线，推断成本与执行延迟最多分别降低19×与16×。