研究人员推出了两个用于管理多智能体工作流及其相关数据的新框架。MAP-Graph是一个具有溯源感知能力的共享内存层，旨在通过根据权限和信任级别仔细管理信息访问来增强智能体协作，在基准测试中实现了很高的任务成功率。作为补充，Workflow Cards提供了工作流执行的结构化摘要，利用溯源数据提供人类可读的文档，从而提高LLM对执行细节的理解，其性能优于传统的基于模式的查询。 AI
影响 这些框架旨在提高复杂AI智能体工作流的可靠性、可审计性和可理解性。
排序理由 两篇研究论文介绍了用于AI智能体工作流和数据管理的新框架。
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
arXiv:2608.10509v1 Announce Type: new Abstract: Shared memory helps language-model agents reuse information across long workflows, yet relevant evidence may not be admissible for a particular agent or action. Because restrictions propagate through derivations, summaries can conce…
arXiv:2608.11022v1 Announce Type: cross Abstract: Model Cards and Data Cards have demonstrated the value of structured, human-readable documentation for machine learning artifacts, capturing their context, parameters, limitations, and intended use. However, these practices remain…
Shared memory helps language-model agents reuse information across long workflows, yet relevant evidence may not be admissible for a particular agent or action. Because restrictions propagate through derivations, summaries can conceal private, poisoned, untrusted, or revoked sour…