DecentMem збільшує точність на 24% і зменшує використання токенів у багатоагентних системах

За даними Beating Monitoring, команда з Кембриджського та Чиказького університетів відкрила код багатоагентної пам’яті DecentMem, яка замінює глобальну спільну пам’ять децентралізованими приватними пам’ятями. У традиційних системах загальна пам’ять використовується поширено, але після читання однакового контексту агенти часто збігаються на схожих шляхах прийняття рішень, і перевага розподілу обов’язків зникає. Основна ідея DecentMem полягає в тому, що співпраця повинна ґрунтуватися на когнітивних відмінностях — лише зберігаючи приватну пам’ять, можна підтримувати комплементарні шляхи. DecentMem дозволяє агентам підтримувати власну двопулеву пам’ять: E-pool (пул використання) зберігає історичний досвід та записи рефлексій, а X-pool (пул дослідження) постійно генерує нові кандидатські ідеї. Онлайн-рішеньник динамічно регулює ваги виклику обох пулів на основі проміжних оцінок, наданих великою мовою моделлю-суддею, допомагаючи агентам самостійно балансувати між експлуатацією та дослідженням. Теоретично, саморозвиваючий пошук моделюється як випадкове блукання на графі, а його глобальна досяжність забезпечує агентам можливість вийти з локальних оптимумів. У тестах на AutoGen, DyLAN та AgentNet DecentMem показав середнє покращення на 8,6% порівняно з найкращою централізованою пам’яттю-базою, а в найкращих сценаріях — до 23,8%, одночасно зменшивши споживання токенів наполовину. Дослідження показало, що чим більше співпраця залежить від імпровізаційних обговорень, а не від фіксованих процесів, тим більш вираженою є перевага децентралізації: у фреймворку DyLAN, що акцентує волевиявлення та переговори, кількість ітерацій, необхідних для досягнення того ж рівня продуктивності, зменшилася приблизно на 60%, а швидкість збіжності зросла майже у 2,5 рази.