CoMem：集体-个体记忆协同机制用于进化多智能体系统

有效的记忆机制是推进LLM驱动多智能体系统（MAS）的关键，能够帮助智能体共同学习并持续改善表现。尽管近期研究提升了协作能力，多数方法仍采用扁平、非结构化的记忆，容易积累噪声并抹平智能体之间的差异。为此，本文提出集体与个体记忆协同的概念，以及将私有经验与共享知识统一起来的多智能体学习架构CoMem。 CoMem包含三项机制：（i）私有经验沉淀，使每个智能体能够持续保存和更新自身有效记忆；（ii）集体智慧遴选，仅共享经过广泛验证的想法；（iii）并行双流检索，使智能体同时利用自身记忆与群体智慧，并通过聚类保证多样性。在ALFWorld和PDDL基准上的实验显示，CoMem取得了较好的整体表现，并稳健地避免记忆污染。