跳到正文
arXiv cs.CL· Amirhossein Abaskohi, Mahdi Mostajabdaveh, Zirui Zhou·· 10 小时前AI 评分34

HEDGE:面向可扩展多智能体辩论的门控超图记忆框架

HEDGE: Gated Hypergraph Memory for Scalable Multi-Agent Debate

AI 导读

HEDGE 是一个选择性记忆框架,将多智能体辩论轨迹表示为语义超图,并用学习式记忆选择模块(MSM)把每个记忆候选路由到 STORE、BACKUP 或 OMIT。在七个基准上,HEDGE 平均比最强的多智能体系统(基于 GPT-4o-mini)准确率高出 5.0 分,冲突密集任务上提升达 8.2 分,同时记忆占用减少 48%、辩论轮数减少 34%。代码已开源。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:多智能体辩论系统要求智能体在多轮中保留并重访论点,然而有限的上下文窗口和非结构化的记忆使相关信息越来越难以检索。现有的扁平记忆和成对图记忆也难以捕捉高阶关系,包括多智能体共识、冲突证据和不断演变的共识。我们提出 HEDGE,一个选择性记忆框架,将辩论轨迹表示为语义超图。超边连接跨智能体的相关主张,而超边内部的关系图保留细粒度的论证结构。一个学习型记忆选择模块(MSM)通过监督学习和强化学习训练,将每个记忆候选路由到 STORE、BACKUP 或 OMIT,在保留有用信息的同时限制冗余。在七个多样化基准上,HEDGE 始终优于强大的单智能体、多智能体和记忆基线,在 GPT-4o-mini 下比最强的多智能体系统平均提升 5.0 个百分点的准确率。在冲突密集的任务上增益达到 8.2 个百分点,同时 HEDGE 将记忆使用量减少 48%,辩论轮数减少 34%。代码可在以下地址获取:this https URL。
学科: 计算与语言(cs.CL)
引用为: arXiv:2610.38902 [cs.CL]
  (或 arXiv:2610.38902v2 [cs.CL] 用于此版本)
  https://doi.org/10.48550/arXiv.2610.38902

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Amirhossein Abaskohi [查看邮箱]
[v1] 2026年10月28日星期三 20:57:59 UTC(2,666 KB)
[v2] 2026年11月18日星期三 20:55:36 UTC(2,668 KB)

来源:arXiv cs.CL · arxiv.org