ConMem：免训练多智能体系统中的结构化记忆引导适配

摘要

最近的进展通过基于记忆、技能和学习的方法提高了基于 LLM 的多智能体系统 (MAS) 的适应能力，但这些方法仍然受到噪声轨迹、记忆技能关系建模不足以及依赖额外训练或高质量监督的挑战。为了解决这些限制，我们提出了 ConMem，这是一种关系感知和免训练框架，可通过跨经验协调实现高效的多智能体适应。具体来说，ConMem 将历史交互轨迹提炼成结构化存储卡，以捕获可重复使用的策略和线索，并将它们组织成关系感知记忆图。在运行时，ConMem根据任务需求检索卡片，并通过卡片图进行协调，以解决策略冲突并恢复其依赖关系。这些模块相结合，产生结构化和关系感知的指导，无需额外培训即可在多智能体系统中实现稳健、轻量级的适应。跨多个基准测试和主流 MAS 架构的广泛实验表明，与现有内存架构相比，它具有一致的增益，通过修剪超过 50% 的扩展候选者并减少超过 80% 的规划开销，提高了推理时间效率。我们的代码可在 https://anonymous.4open.science/r/ConMemCode 获取

ConMem：免训练多智能体系统中的结构化记忆引导适配：论文配图 — 图 1：ConMem 的定位。 (a) 记忆驱动方法保留交互历史。 (b) 结构化记忆方法将轨迹抽象为可重用的过程或技能。 (c) 训练驱动的方法学习如何使用内存。 (d) ConMem 保持主机固定，将签名卡存储在关系图中，并在运行时协调预算提示前缀。