MoFlow：多目标智能体工作流生成方法

研究人员提出 MoFlow，通过将工作流生成建模为多目标马尔可夫决策过程，实现兼顾准确率、成本与延迟等多目标的 AI 智能体工作流生成。该方法结合凸包蒙特卡洛树搜索，单次搜索即可近似覆盖 Pareto 前沿，偏好变化时无需重新训练即可查表获取工作流。在数学、代码和问答 6 个基准上，MoFlow 相比 6 个强基线取得了最高的平均超体积。