摘要
针对科学工作流设计复杂且依赖专家经验的问题，本文提出一种 AI 辅助管理方法。该方法结合规范驱动的工作流生成、自动调试与分布式执行，通过结构化规范阶段分离意图、设计与实现，确保代码生成前的验证。系统引入基于 LLM 的调试代理诊断多层故障，并集成 Pegasus 工作流系统与模型上下文协议，提供统一接口。在医学影像联邦学习场景的评估表明，该系统能生成并执行大规模作业，显著降低调试成本，使非专家用户也能构建专家级工作流。
AI 推荐理由
论文核心在于利用 LLM 进行科学工作流的规范生成、任务分解及自动化执行规划。
研究机构
RENCI, University of North Carolina at Chapel Hill, NC, USA
论文信息