跳到主要内容
检索

# 智能体编排

5 篇关联报道

订阅更新
  1. NVIDIA Blog

    英伟达Vera单颗CPU兼顾智能体速度与密度:每瓦智能体数比最快x86多1.6倍

    英伟达推出面向AI智能体的Vera CPU,试图用一颗芯片同时满足智能体执行步骤要快、并发数量要多这两项要求。此前AI工厂需要在最快的x86处理器与最省电的x86处理器之间取舍,以平衡速度与容量。英伟达在100兆瓦数据中心对比中称,Vera相对最快的x86 CPU每瓦可多承载1.6倍智能体,相对最省电的x86 CPU智能体速度达2倍;Perplexity、DeepInfra等早期采用者在生产式测试中报告了加速,但Perplexity的部署尚在计划中。

  2. researchsquare.com

    物联网设备不再靠固定凭证验身:行为指纹加联邦学习,成员推断攻击成功率从48.2%降到12.4%

    物联网设备认证正从一次性核验固定凭证转向持续核验设备行为。此前静态凭证与集中式信任在设备被攻破后难以察觉异常,且会暴露可识别标识。该方案用硬件行为指纹、联邦学习与差分隐私、轻量许可链和智能体编排组合成持续认证流程;在PP-IDE数据集的11台树莓派上,差分隐私把成员推断攻击成功率从48.2%降到12.4%,认证准确率为99.2%。

  3. arXiv

    子智能体不再等调度:执行中途可申请改配置,长程任务成功率平均提高9.1%

    POrchestra 让子智能体在执行途中主动向调度器发出结构化请求,调度器据此当场修改子目标、上下文、工具集或执行预算,而不必等子智能体结束或报错。此前的再调度方法把子智能体的配置固定到生命周期结束,动态环境中的配置错配只能延迟处理。在 GAIA、GAIA2 与 SWE-Bench Verified 三个长程基准上,任务成功率相对最强基线平均提高 9.1%;配套的 OPOD 把反馈转成过程监督,使小调度器成功率相对训练基线平均提高 10.0%。

  4. Amazon Science homepage

    NTT DOCOMO 与作者在 MWC 展示:级联图算法加智能体编排,在商用网络上把根因分析从数小时压缩到数分钟

    该文梳理了图智能在网络领域从拓扑建模、本体语义、告警关联、依赖图、因果子图到图神经网络的演进,并提出以网络数字孪生图为基础、由级联图算法(分解、聚类、以告警集为参照的中心性排序)配合智能体编排进行根因分析的方法,作者称与 NTT DOCOMO 在 MWC 上于商用网络实现了分钟级根因分析。

  5. arXiv

    PRAXIS-VirtualCell 提出模块化框架,把生物数据、模型、扰动与验证证据统一组织,并用生物契约与证据感知执行区分可支持预测与弃答,支持跨大肠杆菌、酿酒酵母与人 K562 细胞的虚拟实验。

    该工作提出 PRAXIS-VirtualCell,一个模块化框架,用于组织生物数据、预测模型、扰动、适配器、执行环境与验证证据,以支持可复现、可审计的虚拟实验;系统支持跨大肠杆菌、酿酒酵母与人 K562 细胞的任务,并通过生物契约与证据感知执行区分有支持的预测、外推与弃答,同时结合智能体编排把自然语言问题自动转化为可追溯的虚拟实验。

已读完全部报道