HEDGE：面向可扩展多智能体辩论的门控超图记忆

HEDGE 用超图记忆与门控选择提升多智能体辩论效率。

资讯摘要

论文提出 HEDGE，一种将多智能体辩论轨迹表示为语义超图的选择性记忆框架：超边连接跨智能体的相关主张，超边内部关系图保留细粒度论证结构；学习式记忆选择模块（MSM）经监督学习与强化学习训练，将候选记忆路由为 STORE、BACKUP 或 OMIT。作者报告在七个基准上优于单智能体、多智能体与记忆基线，平均准确率较最强多智能体系统提升 5.0 点。

要点速读

1. HEDGE 用语义超图表示辩论轨迹，超边连接跨智能体的相关主张，超边内部关系图保留论证结构。
2. 记忆选择模块 MSM 通过监督学习与强化学习训练，将候选记忆分为 STORE、BACKUP、OMIT 三类。
3. 作者报告在七个基准上平均准确率提升 5.0 点，冲突密集任务提升 8.2 点，记忆用量减少 48%，辩论轮数减少 34%。

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 2026/10/31 08:00:18（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。