Die Universitäten Cambridge und Chicago haben DecentMem veröffentlicht: Dezentraler Speicher erhöht die Effizienz der Zusammenarbeit von Multi-Agenten um 24%
Die Teams der Universitäten Cambridge und Chicago haben das Multi-Agenten-Speicherframework DecentMem veröffentlicht, das dezentralen privaten Speicher anstelle von traditionellem globalem Shared Memory verwendet. Die Forschung hat ergeben, dass Shared Memory dazu führt, dass Agenten auf ähnliche Entscheidungswege konvergieren, während DecentMem durch die Beibehaltung des privaten Speichers jedes Agenten kognitive Unterschiede aufrechterhält. In den Tests mit AutoGen, DyLAN und AgentNet hat DecentMem im Vergleich zur zentralisierten Speicherbasis im Durchschnitt um 8,6% verbessert, im besten Szenario sogar um 23,8%, während der Token-Verbrauch halbiert wurde.
Warum das wichtig ist: DecentMem löst das Kernproblem der "Fehlfunktionen bei der Arbeitsteilung" in Multi-Agenten-Systemen auf struktureller Ebene und ebnet den Weg für ein effizienteres Kooperationsnetzwerk von KI-Agenten.
#AI #多智能体 #开源 #Agent
Die Teams der Universitäten Cambridge und Chicago haben das Multi-Agenten-Speicherframework DecentMem veröffentlicht, das dezentralen privaten Speicher anstelle von traditionellem globalem Shared Memory verwendet. Die Forschung hat ergeben, dass Shared Memory dazu führt, dass Agenten auf ähnliche Entscheidungswege konvergieren, während DecentMem durch die Beibehaltung des privaten Speichers jedes Agenten kognitive Unterschiede aufrechterhält. In den Tests mit AutoGen, DyLAN und AgentNet hat DecentMem im Vergleich zur zentralisierten Speicherbasis im Durchschnitt um 8,6% verbessert, im besten Szenario sogar um 23,8%, während der Token-Verbrauch halbiert wurde.
Warum das wichtig ist: DecentMem löst das Kernproblem der "Fehlfunktionen bei der Arbeitsteilung" in Multi-Agenten-Systemen auf struktureller Ebene und ebnet den Weg für ein effizienteres Kooperationsnetzwerk von KI-Agenten.
#AI #多智能体 #开源 #Agent