AI 워크플로의 신뢰성을 위한 다중 에이전트 프레임워크 설계 발표.
Aaron Erickson은 AI 워크플로의 진화를 설명하며, '느낌 체크'에서 신뢰할 수 있는 다중 에이전트 프레임워크 구축으로의 전환을 논의합니다. 그는 결정을 내리기 위한 소프트웨어 가드레일과 에이전트 발견의 결합, 에이전트 계층 최적화, 시계열 기반 모델 활용 및 철저한 평가 피라미드 구현에 대해 설명합니다. 이는 생산 환경에서 아키텍처가 효과적으로 확장되도록 보장하는 방법입니다.
Presentation on designing reliable multi-agent frameworks for AI workflows.
Aaron Erickson discusses the evolution of AI workflows, moving from 'vibe checking' to creating reliable multi-agent frameworks. He explains how to combine deterministic software guardrails with agentic discovery, optimize agent hierarchies, leverage time-series foundation models, and implement rigorous evaluation pyramids. These strategies ensure that the architecture scales effectively in production environments.