UFO^3 : Tisser la galaxie des agents numériques
UFO^3: Weaving the Digital Agent Galaxy
November 14, 2025
papers.authors: Chaoyun Zhang, Liqun Li, He Huang, Chiming Ni, Bo Qiao, Si Qin, Yu Kang, Minghua Ma, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang
cs.AI
papers.abstract
Les agents pilotés par des grands modèles de langage (LLM) transforment les appareils numériques d'outils passifs en collaborateurs intelligents et proactifs. Cependant, la plupart des frameworks existants restent confinés à un seul système d'exploitation ou appareil, rendant les workflows inter-appareils fragiles et largement manuels. Nous présentons UFO^3, un système qui unifie des terminaux hétérogènes – postes de travail, serveurs, appareils mobiles et périphériques edge – en une structure d'orchestration unique. UFO^3 modélise chaque requête utilisateur comme une Constellation de Tâches mutable : un graphe orienté acyclique (DAG) distribué de sous-tâches atomiques (TaskStars) avec des dépendances explicites de contrôle et de données (TaskStarLines). La Constellation de Tâches évolue continuellement à mesure que les résultats affluent des appareils distribués, permettant une exécution asynchrone, une récupération adaptative et une optimisation dynamique. Un Orchestrateur de Constellation exécute les tâches de manière sûre et asynchrone tout en appliquant des mises à jour dynamiques du DAG, et le Protocole d'Interaction Agent (AIP) fournit des canaux persistants à faible latence pour une distribution fiable des tâches et un streaming des résultats. Ces conceptions dissolvent les frontières traditionnelles entre les appareils et les plates-formes, permettant aux agents de collaborer de manière transparente et d'amplifier leur intelligence collective.
Nous évaluons UFO^3 sur NebulaBench, un benchmark de 55 tâches inter-appareils réparties sur 5 machines et 10 catégories. UFO^3 atteint un taux d'achèvement des sous-tâches de 83,3 %, un taux de réussite des tâches de 70,9 %, expose un parallélisme avec une largeur moyenne de 1,72 et réduit la latence de bout en bout de 31 % par rapport à une base de référence séquentielle. Des expériences d'injection de fautes démontrent une dégradation et une récupération gracieuses sous des défaillances d'agents transitoires et permanentes. Ces résultats montrent qu'UFO^3 réalise une orchestration de tâches précise, efficace et résiliente sur des appareils hétérogènes, unissant des agents isolés en une structure de calcul cohérente et adaptative qui s'étend sur l'ensemble du paysage de l'informatique omniprésente.
English
Large language model (LLM)-powered agents are transforming digital devices from passive tools into proactive intelligent collaborators. However, most existing frameworks remain confined to a single OS or device, making cross-device workflows brittle and largely manual. We present UFO^3, a system that unifies heterogeneous endpoints, desktops, servers, mobile devices, and edge, into a single orchestration fabric. UFO^3 models each user request as a mutable TaskConstellation: a distributed DAG of atomic subtasks (TaskStars) with explicit control and data dependencies (TaskStarLines). The TaskConstellation continuously evolves as results stream in from distributed devices, enabling asynchronous execution, adaptive recovery, and dynamic optimization. A Constellation Orchestrator} executes tasks safely and asynchronously while applying dynamic DAG updates, and the Agent Interaction Protocol (AIP) provides persistent, low-latency channels for reliable task dispatch and result streaming. These designs dissolve the traditional boundaries between devices and platforms, allowing agents to collaborate seamlessly and amplify their collective intelligence.
We evaluate UFO^3 on NebulaBench, a benchmark of 55 cross-device tasks across 5 machines and 10 categories. UFO^3 achieves 83.3% subtask completion, 70.9% task success, exposes parallelism with an average width of 1.72, and reduces end-to-end latency by 31% relative to a sequential baseline. Fault-injection experiments demonstrate graceful degradation and recovery under transient and permanent agent failures. These results show that UFO^3 achieves accurate, efficient, and resilient task orchestration across heterogeneous devices, uniting isolated agents into a coherent, adaptive computing fabric that extends across the landscape of ubiquitous computing.