experience-memory

本文提出了R2-MAD，一个通过使用经验记忆和置信度估计来解决共享误解的框架，从而增强大型语言模型中的多智能体辩论，在基准测试中实现持续改进。

FinAcumen是一个框架，它将先前轨迹中的推理经验累积到持久记忆库中，用于金融多模态推理，在四个基准测试上提升了性能，同时保持冻结的8B视觉语言模型不变。

DeltaMem将LLM智能体记忆组织成残差树，以减少冗余和检索冲突，存储经验的增量变体以支持持续学习。

提出MedExpMem，一个经验记忆框架，使医学视觉语言模型能够从过往病例中积累和检索具有鉴别性的诊断经验，在放射学基准上将鉴别诊断准确率最多提升7.0%。