FlowReasoner：增强查询级元代理

本文提出了一种名为 FlowReasoner 的查询级元代理，以自动化查询级多代理系统的设计，即每个用户查询一个系统。我们的核心思想是通过外部执行反馈来激励基于推理的元代理。具体而言，通过提炼 DeepSeek R1，我们首先赋予 FlowReasoner 关于生成多代理系统的基本推理能力。然后，我们通过强化学习 (RL) 和外部执行反馈进一步增强它。设计了一种多用途奖励，以从性能、复杂性和效率等方面指导 RL 训练。通过这种方式，FlowReasoner 能够通过审议推理为每个用户查询生成个性化的多代理系统。在工程和竞赛代码基准上的实验证明了 FlowReasoner 的优越性。值得注意的是，它在三个基准测试中超越了 o1-mini 10.52% 的准确率。代码可在 https://github.com/sail-sg/FlowReasoner 获取。