INFRAMIND：按服务负载编排多智能体
热点事件持续更新
INFRAMIND：按服务负载编排多智能体
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Ahasan Kabir、Mengxin Zheng、Qian Lou 提出 INFRAMIND 分层策略，根据共享服务队列的负载和剩余时间预算，联合调整多智能体工作流的协作图以及每次调用使用的模型和推理策略。 在五个模型共享部署的五个基准上，该策略使低负载下的准确率最高提升 7.6 个百分点；在 500 道 MATH 题、截止时间为 10 至 300 秒的测试中，按时答对比例从 20.4% 升至 33.8%。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
INFRAMIND：面向服务基础设施感知的多智能体编排报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIINFRAMIND：面向服务基础设施感知的多智能体编排
INFRAMIND 是一种分层策略，可根据共享服务队列的负载与剩余时间预算，联合调整多智能体工作流的协作图与每次调用的模型和推理策略。在五模型共享部署的五个基准上，低负载准确率最高提升 7.6 个百分点；500 道 MATH 题、10-300 秒截止时间下，按时答对比例从 20.4% 升至 33.8%。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。