斯坦福大学的研究团队最近发布了 AgentFlow，这是一个可训练的智能代理框架，旨在通过模块化设计和工具集成，提升 AI 的智能决策能力。AgentFlow 由四个模块组成: 规划器 （Planner）、执行器 (Executor)、验证器 (Verifier) 和生成器 (Generator)，并通过显式内存进行协调。在每一步中，规划器会提出子目标并选择适当的工具和上下文，执行器则负责调用工具，验证器则判断是否继续，而生成器则在任务完成后给出最终答案。
这一框架的核心创新在于其训练方法——Flow-GRPO（基于流的组精炼策略优化）。这种方法能够将长时间跨度、稀疏奖励的优化问题转化为可处理的单轮更新。具体来说，Flow-GRPO 会在每一步中广播一个单一的可验证的轨迹级信号，将成功的全局目标与局部步骤对齐。同时，它使用每个 token 的加权比率计算，结合 PPO 风格的剪辑和 KL 惩罚，防止策略漂移。
在多个基准测试中，研究团队对 AgentFlow 进行了评估，主要涵盖知识密集型搜索、代理推理、数学和科学四个任务类型。经过 Flow-GRPO 优化的 7B 模型在 10 个基准上的表现平均提高了 14.9%（搜索任务）、14.0%(代理推理)、14.5%(数学任务) 和 4.1%(科学任务)。研究团队表示，该模型在这些任务上超越了现有的强基线，甚至超过了 GPT-4o。
此外，研究还表明，使用 AgentFlow 的工具调用的可靠性有了显著提升，工具调用错误减少了 28.4%。这些成果表明，在更大的轮次预算和模型规模下，规划质量有了明显改善。
AgentFlow 的公开实现展示了一个模块化工具包，并附带了快速启动脚本，方便用户进行推理、训练和基准测试。该项目采用 MIT 许可证，确保了其开源和可访问性，支持广泛的研究与开发。
划重点:
🛠️AgentFlow 是一个模块化的 AI 代理框架，包含规划器、执行器、验证器和生成器四个模块。
🚀Flow-GRPO 训练方法能够高效优化代理的决策过程，通过轨迹级奖励对每个步骤进行指导。
📈实验结果显示，AgentFlow 在多个基准测试中表现优异，平均提高了 14.9% 的任务完成率，超越了现有的强基线。
