实体
FanOutQA
FanOutQA
PulseAugur coverage of FanOutQA — every cluster mentioning FanOutQA across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
CacheBack 通过条件化 KV 缓存传输改进多智能体通信
研究人员开发了 CacheBack，一种用于多智能体系统中接收器条件化潜在通信的新颖方法。该方法解决了在智能体之间传输完整 KV 缓存相关的内存和上下文成本问题。CacheBack 根据接收器智能体的需求过滤和压缩发送器智能体的 KV 缓存，显著提高了准确性并降低了延迟。该方法在包括 Transformer 和 Mamba 混合模型在内的各种模型架构中都显示出可比的改进。
-
AWS 研究人员提出非 AI 编排器用于多代理系统
AWS 生成式 AI 创新中心的究人员提出了一种名为 UnitBoost 的新方法来管理多个 AI 代理，挑战了使用另一个 AI 作为编排器的普遍做法。该方法用确定性的数学运算符取代了 AI 编排器，该运算符根据预定义的标准选择单个代理的最佳输出来识别需要进一步处理的差距。UnitBoost 在多个测试集上，特别是在 FanOutQA 基准测试中，通过将后续处理集中在缺失信息上，展示了比 AI 编排器和现有方法更好的性能。
-
新的BANDMAS框架大幅降低多智能体通信成本
研究人员开发了BANDMAS，一个用于多智能体协作的新型框架，通过智能调度数据分组来优化通信。该系统分析消息的语义特征，以确定其对任务完成的预测贡献，仅传输超出其资源成本的分组。在Qwen3-4B流量上，跨SciFact、HotpotQA和FanOutQA基准的实验表明，在实现优于其他受限方法的任务指标的同时，应用层字节数显著减少了53.2%至77.3%。