本文探讨了异构科学工作流中异步任务执行的要求与性质，提出了衡量异步执行好处的关键指标。研究表明，结合人工智能与高性能计算可显著提升科学性能，并介绍了MIDA方法以解决多工作流集成的数据分析挑战。此外，评估了大型语言模型在科学工作流中的应用效果，提出了“Orchestrated AI Workflows”概念，强调可扩展人工智能在科学发现中的潜力。

本文介绍了一种基于树状代理结构的自组织代理系统（S-Agents），用于动态工作流程。该系统通过“沙漏代理结构”平衡信息优先级，实现异步任务执行。实验表明，S-Agent在Minecraft环境中有效执行合作建筑和资源收集任务，展示了其高效性和有效性。