研究人员开发了Avatar，一个基于Actor的架构，旨在利用大语言模型（LLMs）自主编排科学工作流。该系统允许插入决策策略，在统一框架内实现传统的基于规则的控制和由LLM支持的推理。评估表明，与标准执行相比，Avatar的LLM支持模式将计算浪费减少了55%，将GPU忙碌时间减少了40%，为更具适应性的工作流管理系统指明了方向。 AI
影响 为自主科学工作流编排引入了一种新颖的架构，有望提高研究计算的效率并减少资源浪费。
排序理由 研究论文，详细介绍了使用大语言模型进行科学工作流管理的新架构。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
