FRAMES：企业政策约束工作流中Agent的受控双目标技能演化

摘要

智能体代理越来越多地执行受政策约束的企业工作流程，如文档审计，其中它们必须一致应用规则，确保每项价值，并保持可审计性。改善这些代理是一项艰巨的任务：操作反馈稀少且未标记，对规则的任何修改都可能导致无关的案例退化，而准确度必须在不增加推理成本或失去可审计性的情况下提高。我们提出了FRAMES，这是一个闭环框架，从现有的资产中冷启动可部署的技能，并通过共识性变异、基于准确性和成本的帕累托选择以及抗退化保证，逐步进化这些技能，同时保留可审计性。在我们的内部生产系统上部署后，FRAMES在基准线中取得了最佳的准确性和成本权衡，与tau-bench上的收益相同。

FRAMES：企业政策约束工作流中Agent的受控双目标技能演化：论文配图 — 图 2：FRAMES 的演化循环，它维持候选人技能集的帕累托前沿，并权衡通过率和成本。每次迭代都会从前沿抽取一个父级，并让一组诊断人员并行分析针对它的反馈；他们的建议被合并到一个编辑计划中，该计划将父集重写为子集。孩子必须首先清除每个类别的非回归门（等式2），根据当前案例和累积先前解决案例的回归池子集进行评估，然后在帕累托优势中生存（等式3）进入前沿；然后循环继续进行下一次迭代。一旦满足停止标准，最佳技能集将被提交回技能库，并且其已解决的案例会加入回归池。