热点事件持续更新
研究团队提出CB-Orchestrator框架优化智能体工作流
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月12日，研究人员在arXiv发布研究，提出CB-Orchestrator框架。该框架旨在通过解耦工作流生成与选择，降低LLM智能体的工作流优化成本。具体实现上，CB-Orchestrator首先利用进化搜索构建候选工作流池，随后将其建模为情境多臂老虎机（Contextual Bandit）问题以平衡探索与利用，最终在推理时能够按具体查询自适应匹配对应的工作流。
AI 根据报道生成 · 6 小时前更新
最新进展10月12日 12:00
研究团队提出CB-Orchestrator框架，通过情境多臂老虎机自适应优化LLM智能体工作流。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 机器学习CB-Orchestrator：基于情境多臂老虎机自适应优化 LLM 智能体工作流
研究人员提出 CB-Orchestrator 框架，通过解耦工作流生成与选择来降低 LLM 智能体的工作流优化成本。该框架先用进化搜索构建候选工作流池，再将其建模为 Contextual Bandit 问题以平衡探索与利用，并在推理时按查询自适应匹配工作流。
本事件热度走势
当前热度 8·可比范围峰值 10（10月12日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。