[CL]《FlowBot: Inducing LLM Workflows with Bilevel Optimization and Textual Gradients》H Yu, Y Kim, Y Kim [Naver Search US & MIT] (2026)

在LLM工作流设计中，结构与提示长期依赖人工拼接。过去方法受困于只调prompt、不动流程，本质原因是把多步系统当成静态模板，无法从数据中自我演化。

本文的核心洞见是：把工作流构建重新看作“双层优化问题”。由此，用“文本梯度”像误差反传一样逐步修正每一步，同时在外层增删步骤，使结构与行为同步进化。

这项工作真正留下的遗产是让LLM系统具备自我编排能力。它为后来者打开的新门是数据驱动生成复杂代理流程，但尚未跨过的门槛是优化成本高与易过早收敛。

arxiv.org/abs/2604.26258 机器学习 人工智能 论文 AI创造营