DecentMem tăng độ chính xác lên 24% và giảm lượng token sử dụng trong các hệ thống đa tác nhân

Theo theo dõi của Beating, nhóm từ Đại học Cambridge và Đại học Chicago đã mở nguồn khung nhớ đa tác nhân DecentMem, thay thế bộ nhớ chung toàn cầu bằng bộ nhớ riêng tư phi tập trung. Các hệ thống truyền thống thường sử dụng bộ nhớ chung, nhưng khi các tác nhân đọc cùng ngữ cảnh, chúng thường hội tụ vào các đường dẫn quyết định tương tự, làm mất đi lợi thế phân công. Nguyên lý cốt lõi của DecentMem là sự hợp tác phải dựa trên sự khác biệt nhận thức; chỉ khi duy trì bộ nhớ riêng tư mới có thể duy trì các đường dẫn bổ sung. DecentMem cho phép các tác nhân duy trì bộ nhớ hai hồ riêng biệt: Hồ sử dụng (E-pool) lưu trữ kinh nghiệm lịch sử và ghi chú phản tư, trong khi Hồ khám phá (X-pool) liên tục sinh ra các ý tưởng ứng cử mới. Bộ điều phối trực tuyến điều chỉnh trọng số gọi hồ dựa trên điểm số giai đoạn do mô hình ngôn ngữ lớn làm trọng tài, giúp các tác nhân tự cân bằng giữa khai thác và khám phá. Về mặt lý thuyết, tìm kiếm tự tiến hóa được mô hình hóa như một bước ngẫu nhiên trên đồ thị, với tính khả thi toàn cục đảm bảo cho các tác nhân thoát khỏi vùng tối ưu cục bộ. Trong các bài kiểm tra với AutoGen, DyLAN và AgentNet, DecentMem tăng trung bình 8,6% so với cơ sở bộ nhớ tập trung mạnh nhất, đạt mức tăng tối đa 23,8% trong các kịch bản tốt nhất, đồng thời giảm một nửa lượng Token tiêu thụ. Nghiên cứu phát hiện rằng, càng phụ thuộc vào thảo luận ngẫu hứng thay vì quy trình cố định, lợi thế phi tập trung càng rõ rệt; trong khung DyLAN nhấn mạnh thương lượng tự do, số vòng lặp cần thiết để đạt hiệu suất tương đương giảm khoảng 60%, tốc độ hội tụ tăng khoảng 2,5 lần.