architecture核心机制
Versioned Capability Vectors (VCVs)
- 机器可读的代理配置文件
- 六个组成部分：密集能力嵌入、离散技能表示、资源需求向量、策略合规标识、规范嵌入、版本计数器
- 通过语义嵌入实现可搜索
Semantic Routing
- 使用分片HNSW索引进行语义匹配
- 考虑成本、预算和政策约束
- 选择最合适的代理组合
Collaborative Refinement
- 代理分组到临时集群
- 进行多轮迭代精炼
- 提升解决方案质量
compare_arrows与联邦学习的区别
FoA
关注推理时的代理编排，而非模型训练
强调动态协作和能力匹配
联邦学习
关注训练时的分布式模型训练
CERN CAFEIN平台专注于联邦学习，与FoA是不同项目
settings技术实现
- 基于MQTT的发布-订阅语义实现可扩展的消息传递
- 分层HNSW索引支持高效的语义搜索
- 六阶段执行流程：
- 任务分解
- 代理匹配
- 初稿生成
- 协作精炼
- 结果综合
- 最终交付
analytics实验结果
- 在HealthBench Hard基准上：
- 比最佳单模型基线提升13倍
- 比无协调集成提升6.5倍
- 系统可水平扩展，同时保持一致性能
- 聚类增强的协作在需要多视角的复杂推理任务中特别有效