论文
MemMA：以多智能体推理协调记忆构建与检索
MemMA: Coordinating the Memory Cycle through Multi-Agent Reasoning and In-Situ Self-Evolution
摘要
记忆增强的LLM智能体维护外部记忆库以支持长时程交互，但现有系统大多将构建、检索和利用视为彼此隔离的子程序。这带来了两个相互耦合的挑战：记忆循环前向路径上的策略盲区，即构建和检索由局部启发式规则而非显式策略推理驱动；以及后向路径上稀疏且滞后的监督，即下游失败很少被转化为对记忆库的直接修复。为应对这些挑战，我们提出MemMA，这是一个即插即用的多智能体框架，沿前向和后向两条路径协调记忆循环。在前向路径上，Meta-Thinker生成结构化指导，在构建阶段引导Memory Manager，并在迭代检索过程中指挥Query Reasoner。在后向路径上，MemMA引入记忆构建阶段的自我修复，在记忆最终定稿前合成探针问答（QA）对、验证当前记忆，并将失败转化为修复动作。在LoCoMo上的大量实验表明，MemMA在多个LLM骨干上持续优于现有基线，并以即插即用方式改进三种不同的存储后端。我们的代码已在 https://github.com/ventr1c/memma 公开。
