文章提出了一个名为WorkflowLLM的框架，旨在提高大语言模型（LLM）在工作流编排中的能力。为了提升LLM在这一任务中的表现，研究者构建了一个大规模的微调数据集——WorkflowBench，该数据集包含来自83个应用程序、1503个API的106,763个样本，涵盖了28个类别。
数据集的构建分为三个阶段：数据收集、查询扩展和工作流生成。在此基础上，作者使用WorkflowBench对Llama-3.1-8B模型进行了微调，得到了WorkflowLlama，表现出在工作流编排任务中优异的性能，超越了包括GPT-4o在内的多种基准模型。
此外，WorkflowLlama在面对未见过的API和任务时，展现了较强的泛化能力。该框架的优势在于，它不仅能够自动化处理复杂的工作流，还能在没有显式示例的情况下对新任务进行推理和编排。
一、Workflow LLM框架
数据收集：
- ·通过从Apple Shortcuts和RoutineHub收集真实世界的工作流数据，将其转化为Python风格的代码。每个工作流都包括相关API调用、功能描述等元数据。
- ·利用ChatGPT生成分层的思维过程，补充注释、任务计划和查询，以增强模型对任务的理解。
· 查询扩展：
- ·使用ChatGPT生成更多任务查询，以增加数据集的多样性和复杂度。这些查询基于从不同应用和API中抽样的功能生成，确保工作流能够覆盖更广泛的场景。
· 工作流生成：
- ·训练一个工作流注释模型，用于根据生成的查询自动生成工作流。通过规则过滤和质量确认，确保生成的工作流符合规范，避免逻辑错误和无关API调用。
- ·最终，将收集的高质量样本与合成数据合并，形成包含大量样本的WorkflowBench数据集。
· 模型微调：
- 基于WorkflowBench数据集，对Llama-3.1-8B进行微调，得到WorkflowLlama模型，使其能够自动生成和编排复杂的工作流。
二、结语
文章提出了WorkflowLLM框架，通过构建大规模数据集WorkflowBench并对智能体进行微调，显著提升了大语言模型在工作流编排中的能力。
论文题目： WorkflowLLM: Enhancing Workflow Orchestration Capability of Large Language Models
论文链接： https://arxiv.org/abs/2411.05451
