提升 AI 代理的速度和能效
麻省理工学院和微软的研究人员开发了一种名为 Murakkab 的系统,用于优化 AI 代理工作流的设计和部署。该系统让开发者用自然语言描述意图,自动选择最佳模型、工具和硬件配置,并动态调整以满足用户对速度或成本的要求。测试显示,与传统方法相比,Murakkab 仅需约35%的计算资源、27%的能耗和不到25%的成本,同时保持性能。
提升 AI 代理的速度和能效
本文仅提供摘要
根据来源内容权限,本站仅提供编辑摘要、要点和原文链接。
麻省理工学院和微软的研究人员开发了一种名为 Murakkab 的系统,用于优化 AI 代理工作流的设计和部署。该系统让开发者用自然语言描述意图,自动选择最佳模型、工具和硬件配置,并动态调整以满足用户对速度或成本的要求。测试显示,与传统方法相比,Murakkab 仅需约35%的计算资源、27%的能耗和不到25%的成本,同时保持性能。
根据来源内容权限,本站仅提供编辑摘要、要点和原文链接。