DiscernMem：免训练多智能体记忆优化框架

2026年10月28日，arXiv Artificial Intelligence 刊出 Yipeng Hao 等作者的论文，提出免训练多智能体记忆优化框架 DiscernMem。该框架包含两个组件：缺陷感知记忆精炼（DMR）负责诊断并修复记忆规则中的缺陷；边界学习元记忆（BLM）记录每条记忆的历史使用效果，学习何时该使用或避开某条记忆。作者称 DiscernMem 是免训练框架，可同时提升记忆质量与记忆使用。实验在 Qwen3-4B-Instruct-2507 上进行，覆盖 AutoGen、CAMEL、MacNet 三个多智能体系统，取得最高平均分，超过最强基线 0.51–4.32 分；在 CAMEL 上 PDDL 得分为 37.71，对比 28.48。目前该工作处于论文发布阶段，尚无后续跟进报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。