MACE：多智能体系统的记忆智能体协同进化与自适应内存图

基于LLM的多代理系统生成协作跟踪，记录代理如何计划任务、验证中间结果和修复故障。重用这些过程需要保留操作的先决条件和后续代理所需的输出。我们的实证研究表明，将这些依赖性分组为功能记忆单元可以提高它们的保留率，而连接单元可以增加对任务共同所需的单元和链接的检索。即使每个组合的内容在不同格式中都是固定的，首选的单元组合也会在说明和清单之间发生变化。从每个组合和格式配对的结果中更新选择优于单独评分组合和格式。这些发现激发了 MACE，这是一种记忆-智能体共同进化框架，可通过执行反馈来调整记忆组织和智能体内存使用。其 MemGoG 结构将功能单元表示为相关条件、动作和输出的子图，通过支持、冲突和修复关系将它们连接起来。 MACE 循环在内存预算内选择与任务相关的单元和关系，并向每个代理提供其当前操作的指令或清单。它记录所选单元、演示格式、代理输出和任务结果，以更新单元分数和关系以供检索，并为后续演示选择提供信息。在 8 个基准中，MACE 的平均得分为 81.11%，优于 10 个基准，而最强基准 SAGE 的平均得分为 78.97%。