失败驱动的工作流优化框架CE-Graph

论文提出以失败分布为目标的CE-Graph工作流优化框架

资讯摘要

论文指出，现有LLM工作流优化把多步执行轨迹压缩为成功/失败标量，导致信息坍缩，无法刻画失败分布。作者将其重构为分布问题，提出最小化工作流在失败签名空间中的期望失败质量，并给出CE-Graph框架：从反例池近似失败分布，定位高密度失败模式，再通过Propose-and-Verify做受算子约束的图编辑。作者报告在数学、代码与问答基准上，其鲁棒性更高且成本显著低于强基线。

要点速读

1. 论文认为标量指标导致信息坍缩，使现有方法看不到失败的结构
2. CE-Graph以最小化失败签名空间中的期望失败质量为优化目标
3. 作者报告在数学、代码、QA基准上鲁棒性更高、成本显著更低

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。