כתבה
arXiv cs.AI ·
תכנון גרפי לעבודות LLM רב-אגן בזמן הריצה
Inference-Time Graph Engineering for Multi-Agent LLM Workflows
במאמר זה, המחברים מציגים פרקטיקה חדשה לתכנון גרפי של עבודות LLM רב-אגן. הם מציגים את ReActNet, פרקטיקה שלא דורשת הכשרה מוקדמת ומאפשרת תכנון גרפי זמן-הריצה. הם מדגימים את יעילותה של ReActNet במספר משימות, כולל סיכום ידע, פתירת בעיות מתמטיות, יצירת קוד ועוד.
תקציר מקורי באנגליתarXiv:2609.05774v1 Announce Type: new Abstract: Recent multi-agent LLM systems increasingly rely on graph-structured communication to coordinate specialized agents. We revisit multi-agent orchestration from a graph-engineering perspective: rather than optimizing a static topology, we synthesize a task-conditioned temporal workflow graph that jointly specifies agent connectivity and edge-level communication semantics. We introduce ReActNet, a training-free framework that compiles a query and a set of role-specialized agents into a sequence of directed communication graphs. Each graph snapshot corresponds to one reasoning stage, and each edge carries a natural-language instruction specifying the message that a source agent should provide to a target agent. The compiled temporal graph is then
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית