Process-Reward Tactic Evolution

新框架训练LLM智能体处理复杂的生物信息学工作流

研究人员开发了一个名为进程奖励策略演化（Process-Reward Tactic Evolution）的新训练框架，旨在提高LLM智能体处理复杂、长周期的生物信息学工作流的能力。该框架利用Galaxy工作流系统和进程验证器来评估工作流构建、软件交互、执行和生物学正确性。成功和失败的工作流轨迹随后被编译成一个可重用的策略库，智能体在推理过程中使用该库来执行新任务，提高效率和生物学准确性。