提出SkillFlow智能体编排框架

2026年10月23日，arXiv Artificial Intelligence 刊出 Mingda Zhang 等作者的论文，提出基于流的智能体编排框架 SkillFlow。据该文，SkillFlow 以可训练的 Supervisor 作为智能体，结合动态技能库与冻结执行器的结构化环境，通过多轮交互自动完成任务编排。方法上，它采用 Tempered Trajectory Balance（TTB）回归式流匹配损失，按奖励比例采样轨迹以保留多样化编排策略，并称可在零额外推理成本下实现逐步信用分配。目前公开信息仅来自这一篇论文，尚无后续跟进报道，框架的实际效果与适用范围有待进一步验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。