Σ-Mem：適用於 LLM 多代理系統的線上可靠性記憶體
為何重要
- 多代理協調是 LLM 從單挑走向團隊作戰的關鍵領域，但在生產環境中缺乏有效的「同伴驗證機制」令其不穩定。 - Σ-Mem 提供了在不犧牲算力（無需額外訓練）的前提下，增進代理協作準確度的路徑，這對於降低 Agent 在金融、客服等關鍵領域的誤判成本極具實務價值。 - 投資人應關注，除了訓練更大的模型，未來大量企業部署 Agent 時，「可靠性評估與路由」等後端基礎產品可能會成為一項獨立的基礎設施需求。
- Σ-Mem 是針對長視角 LLM 代理系統設計的線上可靠性記憶體，旨在彌補現有系統僅儲存互動內容、缺乏建模「可信度」與「適用條件」的不足。
- 該系統透過 Weyl 的不等式定理控制譜變化，允許更新歷史能力證據與同伴關係證據，從而實現在不重新訓練基礎模型下的穩定線上適應。
- 在 5 款 Qwen 家族模型的實驗中，Σ-Mem 展現了適應反事實的可信度變化，並泛化至未見過的同伴與任務領域的能力。
- 在充滿變異（OOD）的評估資料集上，直接記憶讀取的準確率超越了多數投票及固定同伴的方法。