ComfyUI 같은 모듈형 시각 창작 시스템의 워크플로 생성을 '지식 중심' 문제로 재정의한 프레임워크가 제안됐다. 실제 워크플로 대량 수집본에서 의사코드·스켈레톤·고수준 전략까지 계층적 지식을 역추출(knowledge inversion)한 뒤, 지도 미세조정으로 작업 설명→전략→실행 구조 순으로 추론하도록 모델에 주입한다. 추론 단계에서는 가역적 추론과 자기 개선(self-refinement)으로 구조적 일관성을 보강해 실행 가능한 워크플로를 합성한다. 기존 텍스트→JSON 직접 생성 방식 대비 노드 다양성, 구조 일관성, 실행 성공률 모두 우수해, 전문가 수준 워크플로 자동화의 실용적 기반을 제시한다.

• •기존 LLM의 텍스트→JSON 직접 생성 방식은 구조적 취약성과 설계 경험 지식 부재가 한계
• •실제 워크플로에서 의사코드·스켈레톤·전략의 계층적 지식을 역추출하는 knowledge inversion 수행
• •지도 미세조정으로 작업 설명→전략→실행 구조의 단계적 추론 능력을 주입
• •추론 시 가역적 추론과 self-refinement로 구조 일관성 확보
• •노드 다양성·구조 일관성·실행 성공률에서 기존 시스템 대비 우위 입증