semantic-clustering

AgentGrad 通过使用序列干预来识别目标智能体，并对文本梯度进行语义聚类，从而改进多智能体提示优化，实现了最先进的性能，并将优化时间减少了2.5倍。

GEM将LLM数据策展重新表述为超球面上的变分问题，使用几何熵混合和最小化-最大化算法来发现平衡的语义簇，在数据混合策略中实现了高达1.2%平均下游准确率的最先进改进。

RecMem是一种基于重复的记忆整合方法，适用于长期运行的LLM智能体，通过仅在语义相似的交互重复出现时调用LLM，可减少高达87%的令牌消耗，同时提高准确性。