FedAgentKE：异构代理的联合语义知识演化

基于 大语言模型 (LLM) 的代理越来越依赖于推理、工具使用和迭代执行，但现有的代理框架仍然很大程度上是孤立运行的。虽然最近基于内存的代理系统通过本地检索和工作流重用来改进单个代理，但本地经验在孤立的代理框架中仍然支离破碎，限制了跨框架知识转移和协作推理发展。我们提出了 FedAgentKE，这是一个跨异构代理的联合语义知识演化的轻量级框架。 FedAgentKE 使分布式代理框架能够通过迭代语义 知识蒸馏、聚合和适应来协作发展可转移推理抽象，而无需共享原始推理轨迹。实验证明了跨框架和跨任务设置下的一致改进，凸显了联合语义知识演化对于未来协作代理生态系统的潜力。