论文页面 - Σ-Mem：面向基于LLM的多智能体系统的在线可靠性记忆

来源：https://huggingface.co/papers/2607.27958

摘要

记忆对于长时程LLM智能体至关重要，然而现有记忆系统主要保留交互内容，而非建模哪些智能体可信以及在何种条件下可信。这一局限在多智能体系统中尤为重要，因为中心模型可能无法直接验证看似合理或相互关联的同伴响应。我们提出Σ-Mem，一种在线可靠性记忆，它记录个体同伴的历史能力证据以及整个同伴集合中的同伴关系证据。两种形式的证据均以实对称状态维护，并根据决策后的正确性反馈进行更新。根据Weyl不等式，每次事件级更新引起的谱变化是有界的，从而无需重新训练底层模型即可实现稳定的在线自适应。Σ-Mem提供通用的写读接口：同一记忆可用于中心模型的残差引导、免响应同伴路由或可靠性加权投票。在五个Qwen系列模型上，Σ-Mem能够适应反事实可靠性变化，并泛化到未见过的同伴和任务领域。在完整OOD评估集上，直接读取记忆的性能优于多数投票和最佳固定同伴。此外，随着更多正确性反馈的可用，性能持续提升，表明Σ-Mem逐步积累了可操作的可靠性信息。这些结果确立了可靠性记忆作为基于LLM的多智能体系统中自适应协调的可复用基础。

查看 arXiv 页面 (https://arxiv.org/abs/2607.27958) 查看 PDF (https://arxiv.org/pdf/2607.27958) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.27958)

引用该论文的模型 0

没有模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2607.27958 即可从此页面链接到它。

引用该论文的数据集 0

没有数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2607.27958 即可从此页面链接到它。

引用该论文的 Space 0

没有 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2607.27958 即可从此页面链接到它。

包含该论文的收藏 0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从此页面链接到它。