2026-06-14 04:02:48
剑桥大学和芝加哥大学团队开源 DecentMem,通过将 Token 消耗减半,将多智能体准确率提高 24%
据 Beating 称,来自剑桥大学和芝加哥大学的研究人员已开源 DecentMem,这是一种多智能体记忆框架,它用去中心化的私有记忆替代共享的全局记忆。带有共享内存的传统系统会在智能体读取相同上下文后使其在类似决策路径上收敛,从而消除协同优势。DecentMem 维护面向智能体的双池内存:一个经验池,用于存储历史反思;一个探索池,用于生成新的候选策略。在 AutoGen、DyLAN 和 AgentNet 上的测试表明,DecentMem 相比集中式基线实现了平均 8.6% 的提升,峰值性能增益为 23.8%,同时将代币消耗降低了 50%。在强调自由协商的 DyLAN 框架中,收敛速度提升了 2.5 倍,并且迭代轮数减少了 60%。