Bumaba ang DecentMem ng 24% ang akurasi at dinaragdagan ang paggamit ng token sa mga multi-agent system

Ayon sa pagmamasid ng Beating, ang mga team mula sa University of Cambridge at University of Chicago ay nag-open source ng multi-agent memory framework na DecentMem, na nagpapalit ng global shared memory sa decentralized private memory. Ang mga tradisyonal na sistema ay karaniwang gumagamit ng shared memory, ngunit pagkatapos basahin ng mga agent ang parehong konteksto, madalas silang magkakasundo sa magkakaparehong path ng desisyon, na nagpapawala ng kanilang pangunahing kahusayan sa paghahati ng gawain. Ang pangunahing ideya ng DecentMem ay ang kooperasyon ay dapat batay sa pagkakaiba ng kognisyon—ang pagpapanatili ng private memory ay kinakailangan upang mapanatili ang komplementarong mga path. Ang DecentMem ay nagbibigay sa mga agent ng eksklusibong dual-pool memory: ang Utilization Pool (E-pool) ay nagtatago ng mga nakaraang karanasan at mga repleksyon, habang ang Exploration Pool (X-pool) ay patuloy na naglalikha ng mga bagong posibleng ideya. Ang online decision maker ay dinamikong nag-aadjust ng weights sa paggamit ng dalawang pool batay sa阶段性 scoring ng isang large language model judge, upang tulungan ang mga agent na magbalanse nang sarili sa pagpapaunlad at pagpapalawak. Teoretikal, ang self-evolving search ay inilalarawan bilang random walk sa isang graph, na nagbibigay ng garantiya sa paglabas ng mga agent sa lokal na optimal na rehiyon. Sa mga pagsubok sa AutoGen, DyLAN, at AgentNet, ang DecentMem ay nagtatagumpay na nagpataas ng 8.6% kumpara sa pinakamalakas na centralized memory baseline, at hanggang 23.8% sa pinakamahusay na skena, habang binawasan nito ang token consumption sa kalahati. Natuklasan ng pananaliksik na ang mas malaking pagkakaugnay sa improvisational discussion kaysa sa fixed process, mas malaki ang benepisyo ng decentralization—sa framework na DyLAN na nagtutuon sa libreng negosasyon, ang sistema ay nakamit ang parehong performance sa 60% mas kaunting iteration, at 2.5 beses na mas mabilis na convergence.