Avatar：用 LLM 自主编排科学工作流，GPU 忙时削减 40%

背景

科学工作流管理系统（WMS）虽能自动执行，却依赖固定手工规则；LLM agent 有望更自主地编排，但“在哪里引入推理、如何约束风险”仍不明。

核心要点

• 架构：actor 式（编排器 + 执行器 + 溯源监视器），决策策略可通过单一适配器校验的动作目录插拔（规则或 LLM 驱动）。
• 同一套核心在三种 WMS 上复现原生执行；LLM 驱动的 Avatar 在评测中 GPU 忙时 -40%、计算浪费 -55%。
• 实现基于 Academy 框架，跨三个工作负载验证。

为什么重要

Avatar 展示了“让工作流系统自己推理编排”而非死守预设规则的可行路径，对高性能计算与科研自动化意义重大。

关键事实速记

• 提交：2026-09-09；类型：分布式/并行计算。
• 效果：GPU 忙时 -40%、计算浪费 -55%。
• 机制：actor 架构 + 可插拔策略。