DiscernMem：修正多智能体记忆并学习何时使用

论文提出免训练框架，修正多智能体记忆并判断何时使用。

资讯摘要

论文指出，LLM 多智能体系统存储的经验建议可能有缺陷，或被用在错误场景，仅凭团队成败难以判断记忆该修正还是不该使用。作者提出免训练框架 DiscernMem：DMR 通过对比有单条记忆与无记忆的团队执行来诊断规则缺陷，并在当前及历史任务上验证修复；BLM 记录每条记忆的过往使用与效果，学习角色何时应采纳或回避该记忆。在 Qwen3-4B-Instruct-2507 上于四个基准测试，AutoGen、CAMEL、MacNet 平均分最高，作者报告超过最强基线 0.51–4.32 分。

要点速读

1. DiscernMem 为免训练框架，包含缺陷感知记忆精炼 DMR 与边界学习元记忆 BLM 两部分。
2. DMR 对比有单条记忆与无记忆的团队执行来诊断规则缺陷，并在当前与历史任务上测试修复。
3. 实验使用 Qwen3-4B-Instruct-2507，在 AutoGen、CAMEL、MacNet 上平均分最高，作者报告领先最强基线 0.51–4.32 分，CAMEL 上 PDDL 得分为 37.71 对 28.48。

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 2026/10/29 08:00:21（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。