摘要
大语言模型赋能自主智能体进行推理、规划及工具使用。近期系统常将智能体组织为专用互联节点图,但面临注意力分配挑战:随着工作流增长,现有方法往往均匀执行图组件,浪费资源于无关任务。本文提出“注意力编排”范式,将 Transformer 式注意力扩展至工作流级协调。框架 AGAO 动态评估智能体重要性,结合目标感知、拓扑感知和资源感知三种机制,将静态图转化为自适应系统,聚焦关键推理路径。实验表明,AGAO 在提升任务效果的同时,显著降低了计算量、延迟及令牌消耗。
AI 推荐理由
论文提出自适应目标感知注意力编排,核心解决多智能体系统中的任务规划与资源分配问题。
研究机构
中国
论文信息