免训练方法 ATLAS 在隐藏状态层锁定任务、角色与状态方向，缓解多智能体长程漂移。
资讯摘要
论文提出 ATLAS（Algebraic Task-role Locking with Adaptive Spectral Memory），一种免训练干预方法：在生成 token 前作用于隐藏状态，构建覆盖任务、角色与共享状态子空间的半正定锚核，将隐藏状态导向三者共享的高相干特征方向，并用低秩 Gram 分解控制计算量。作者报告在长程记忆、状态维护、工具使用等测试中优于提示、检索、记忆与激活引导基线，并可迁移至 72B 骨干模型。
要点速读
- 论文基于 14,832 个标注轮次的初步研究称，漂移轮次在任务、角色、状态三个锚子空间中近乎一致地坍缩（两两 r=0.72–0.78）。
- 作者报告相对 A-MEM 记忆宏平均准确率最高提升 5.7 点，写/读失败率最高降低 31.7%/24.8%；相对 MemoryArena-Agent 最高提升 4.8 点。
- 消融显示移除联合任务-角色-状态子空间损失 7.2 点，而匹配秩的随机子空间仅损失 0.8 点；改用提示或检索提供这些方向少恢复 4.3 点。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。