资源优化
-
突破智能体工作流瓶颈：ToolOrchestra框架如何通过强化学习实现动态资源调度
在人工智能领域，智能体工作流的构建一直是提升任务执行效率的关键。然而，传统基于提示词工程的工作流设计存在明显的性能天花板，而静态路由策略则常导致计算资源的严重浪费。香港大学与NVIDIA团队的最新研究《ToolOrchestra: Learning to Orchestrate Tools with Multi-Objective Reinforcement…
-
揭秘多模态大模型评测中的“隐形浪费”：半数资源竟在重复劳动？
当我们投入大量资源对多模态AI模型进行复杂评测时，是否想过其中有多少环节其实是在“原地打转”？ 最近，上海人工智能实验室联合上海交通大学、浙江大学的一项研究揭示了一个值得警惕的现象：当前主流的多模态大模型基准评测中，普遍存在着大量冗余。研究团队对超过20个主流多模态基准和100多个模型进行了系统性扫描，发现了一些颇具启发性的规律。 这意味着什么？简单来说，我…
