BaRe-Mem：面向鲁棒与自适应多智能体协作的贝叶斯可靠性记忆

研究团队提出面向多智能体协作的在线贝叶斯可靠性记忆机制 BaRe-Mem，为解决智能体咨询中顾问能力差异及误导信息干扰提供了自适应评估方案。

• 在多智能体系统中，各顾问智能体能力不一且可能提供错误或误导信息，导致协作表现甚至弱于单智能体独立推理。
• BaRe-Mem 基于中心模型的内部信念表征估计顾问可靠性，并结合历史交互数据动态更新评估结果。
• 评估信度用于调节顾问响应的影响权重，并指导中心模型在向外咨询与独立推理之间做出决策。
• 在涵盖 6 个中心模型的 9 项基准测试中，该机制对误导信息的鲁棒性优于辩论和多数投票机制，并在 MuSiQue 基准的任务分配中更快识别出高能力工作智能体。
• 影响/看点：该方案意味着多智能体系统在面对不可靠输入时能更稳定地控制决策质量，其实用成效依赖于中心模型自身内部表征对真实信度的感知精度。
• 资料依据:
• arXiv（2026-09-28）：https://arxiv.org/abs/2609.35551
• Hugging Face（2026-09-28）：https://huggingface.co/papers/2609.35551

本内容由 AI 生成，仅供参考，请注意甄别