WorkTeam: Constructing Workflows from Natural Language with Multi-Agents

要約

ワークフローは、複数のツールまたはコンポーネントを使用して複雑なプロセスを調整することにより、企業効率を高める上で重要な役割を果たします。
ただし、手作りのワークフロー構築には専門知識が必要であり、重要な技術的障壁を提示します。
大規模な言語モデル（LLMS）の最近の進歩により、自然言語の指示（別名NL2WorkFlow）からのワークフローの生成が改善されましたが、既存の単一LLMエージェントベースの方法は、専門知識とタスク投票の株の必要性のために複雑なタスクのパフォーマンスの低下に直面しています。
これらの課題に取り組むために、スーパーバイザー、オーケストレーター、およびフィラーエージェントを含むマルチエージェントNL2WorkFlowフレームワークであるWorkTeamを提案します。
現在、公開されているNL2WorkFlowベンチマークはないため、トレーニングと評価のための3,695の実際のビジネスサンプルを含むHW-NL2WorkFlowデータセットも紹介します。
実験結果は、このアプローチがワークフロー構築の成功率を大幅に増加させ、エンタープライズNL2WorkFlowサービスに斬新で効果的なソリューションを提供することを示しています。

要約(オリジナル)

Workflows play a crucial role in enhancing enterprise efficiency by orchestrating complex processes with multiple tools or components. However, hand-crafted workflow construction requires expert knowledge, presenting significant technical barriers. Recent advancements in Large Language Models (LLMs) have improved the generation of workflows from natural language instructions (aka NL2Workflow), yet existing single LLM agent-based methods face performance degradation on complex tasks due to the need for specialized knowledge and the strain of task-switching. To tackle these challenges, we propose WorkTeam, a multi-agent NL2Workflow framework comprising a supervisor, orchestrator, and filler agent, each with distinct roles that collaboratively enhance the conversion process. As there are currently no publicly available NL2Workflow benchmarks, we also introduce the HW-NL2Workflow dataset, which includes 3,695 real-world business samples for training and evaluation. Experimental results show that our approach significantly increases the success rate of workflow construction, providing a novel and effective solution for enterprise NL2Workflow services.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google