SEW: Self-Evolving Agentic Workflows for Automated Code Generation
Created by
Haebom
저자
Siwei Liu, Jinyuan Fang, Han Zhou, Yingxu Wang, Zaiqiao Meng
개요
본 논문은 복잡한 코딩 과제 해결을 위해 다중 에이전트 시스템과 에이전트 워크플로우를 활용하는 대규모 언어 모델(LLM) 연구에 초점을 맞추고 있습니다. 기존 연구는 수작업으로 에이전트 토폴로지와 프롬프트를 설계하는 데 의존하여 다양한 코딩 문제에 자동으로 적응하는 데 한계가 있었습니다. 이러한 한계를 해결하기 위해 본 논문에서는 **자체 진화 워크플로우(SEW)**라는 새로운 자체 진화 프레임워크를 제안합니다. SEW는 다중 에이전트 워크플로우를 자동으로 생성하고 최적화합니다. LiveCodeBench를 포함한 세 가지 코딩 벤치마크 데이터 세트에 대한 광범위한 실험을 통해 SEW가 에이전트 워크플로우를 자동으로 설계하고 자체 진화를 통해 최적화하여 백본 LLM만 사용하는 것보다 LiveCodeBench에서 최대 33%의 성능 향상을 가져온다는 것을 보여줍니다. 또한, 워크플로우의 다양한 표현 방식을 조사하여 텍스트로 워크플로우 정보를 인코딩하는 최적의 방법에 대한 통찰력을 제공합니다.
시사점, 한계점
•
시사점:
◦
자체 진화 워크플로우(SEW) 프레임워크를 통해 다중 에이전트 시스템의 워크플로우를 자동으로 생성 및 최적화할 수 있음을 보여줌.
◦
LiveCodeBench와 같은 복잡한 코딩 과제에서 기존 LLM 대비 최대 33%의 성능 향상을 달성.
◦
워크플로우 정보를 텍스트로 효과적으로 인코딩하는 방법에 대한 통찰력 제공.
•
한계점:
◦
제안된 SEW 프레임워크의 일반성 및 다양한 코딩 문제에 대한 적용 가능성에 대한 추가적인 연구가 필요.
◦
워크플로우 최적화 과정의 효율성 및 확장성에 대한 추가적인 분석 필요.
◦
사용된 벤치마크 데이터셋의 한계로 인해 실제 응용 분야에서의 성능을 일반화하기 어려울 수 있음.
