一篇新研究论文探讨了面向大规模企业级AI系统的自主事件驱动多智能体编排。该研究在不同规模下评估了两种架构：DAG Plan and Execute 和 ReAct，发现系统规模而非任务复杂度对性能有显著影响。引入了一种新颖的任务管理器，通过处理优先级推理、事件合并和抢占来改进连续运行，从而在企业规模下降低了延迟并提高了正确性。 AI
影响 这项研究可能带来更强大、更具可扩展性的AI系统，能够在复杂的企业环境中实现连续运行。
排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了企业级AI多智能体编排的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.20058v1 Announce Type: new Abstract: Enterprise AI aims to move toward continuous event monitoring, detection, and action across specialist agents, yet existing multi-agent systems largely assume discrete request-response workflows and remain underexplored at enterpris…
Enterprise AI aims to move toward continuous event monitoring, detection, and action across specialist agents, yet existing multi-agent systems largely assume discrete request-response workflows and remain underexplored at enterprise scale. We evaluate DAG Plan and Execute and Re…