APWA：面向高並行可並行化智能體工作流的分散式架構設計

本文針對基於大語言模型的自主多智能體系統在任務規模與複雜度增長時面臨的推理、協調及計算擴展瓶頸，提出了一種名為智能體並行工作負載架構（APWA）的分散式系統。現有系統雖具備底層並行計算原語，卻難以實現高吞吐量處理，主要受限於智能體間的通信開銷與協調複雜性。APWA透過將智能體工作流分解為相互獨立的子問題，利用獨立資源並行處理而無需跨通信，從而支援異構資料與多種並行模式。實驗表明，APWA能夠動態分解複雜查詢為可並行工作流，在先前系統完全失效的大規模任務設定中展現出卓越的擴展能力，有效解決了高並行化任務的處理難題，為多智能體系統的工業化落地提供了新的架構典範。