$Σ$-Mem：用于基于 LLM 的多代理系统的在线可靠性存储器

记忆对于长期 LLM 代理来说至关重要，但现有的记忆系统主要保留交互内容，而不是对哪些代理可以信任以及在什么条件下信任进行建模。这种限制在多代理系统中尤其重要，其中中央模型可能无法直接验证合理或相关的对等响应。我们引入了$Σ$-Mem，一种在线可靠性存储器，用于记录单个同伴的历史能力证据以及整个同伴集合中的同伴关系证据。两种形式的证据都保持为真实的对称状态，并根据决策后正确性反馈进行更新。根据韦尔不等式，每次事件级更新引起的谱变化是有界的，从而无需重新训练底层模型即可实现稳定的在线适应。 $Σ$-Mem 提供通用的读写接口：相同的内存可用于中央模型的剩余转向、无响应对等路由或可靠性加权投票。在五个 Qwen 系列模型中，$Σ$-Mem 适应反事实的可靠性变化，并推广到看不见的同伴和任务领域。在整个 OOD 评估集上，直接内存读出的性能也优于多数投票和最佳固定对等点。此外，随着更多正确性反馈的出现，性能持续提高，这表明 $Σ$-Mem 逐渐积累了可操作的可靠性信息。这些结果将可靠性记忆确立为基于 LLM 的多智能体系统中自适应协调的可重用基础。