arXiv cs.AI· Junxing Hu, Ai Han, Haolan Zhan, Pu Wei, Zhiqian Zhang, Yuhang Guo, Jiawei Lu, Zhen Chen, Haoran Li, Zicheng Zhang, Ling Li·· 12 小时前AI 评分33
HiMA-Ecom：面向分层多智能体电商助手的长程记忆基准
HiMA-Ecom: A Long-Horizon Memory Benchmark for Hierarchical Multi-Agent E-commerce Assistants
AI 导读
研究者提出 HiMA-Ecom，一个面向电商助手的分层多智能体长程记忆基准，含 22.8K 条实例，其中 17.7K 条在上下文中带有记忆条目。基于该基准的 HiMA-R1 采用 VR-GRPO 控制轨迹上下文预算，并用奖励驱动记忆机制将收敛所需更新步数减少约 55%。基于 3B 和 7B 开源模型构建的智能体平均追平 DeepSeek-R1，并超过 DeepSeek-V3 6.0 分。
正文 · AI 翻译
作者：Junxing Hu、Ai Han、Haolan Zhan、Pu Wei、Zhiqian Zhang、Yuhang Guo、Jiawei Lu、Zhen Chen、Haoran Li、Zicheng Zhang、Ling Li
摘要：长程智能体系统是通过累积而非单篇长文档成为长上下文系统的，因为每一步都会为每个智能体分别从角色指令、工具与子智能体描述、召回的记忆、对话历史以及先前的工具输出中重新组装提示。本文研究如何在分层多智能体助手中训练、评估和管理这种累积的上下文。我们提出 HiMA-Ecom，一个面向电商助手的分层多智能体基准，包含 22.8K 个实例，其中 17.7K 个在上下文中带有记忆条目，将智能体特定的监督微调数据与系统级监督配对，用于端到端多智能体强化学习。在此基础上，HiMA-R1 通过方差缩减组相对策略优化（VR-GRPO）将轨迹的上下文预算控制在合理范围内，该方法沿初始轨迹进行采样，使采样成本随轨迹长度线性增长，并用奖励方差最大的智能体进行更新，同时引入基于轨迹长度的效率奖励，以及一种记忆演化机制，将 GRPO 奖励重新用作无需额外成本的信号，以决定哪些内容保留在上下文中。基于 3B 和 7B 开源模型构建的智能体与 DeepSeek-R1 相当，平均超过 DeepSeek-V3 6.0 分，而奖励驱动的记忆将收敛所需的更新步数减少了约 55%。
| 评论： | 33 页，9 张图。已被 NeurIPS 2026 长上下文基础模型研讨会（LCFM）接收 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2506.19846 [cs.AI] |
| （或 arXiv:2506.19846v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2506.19846 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Junxing Hu [查看邮箱]
[v1]
2025年6月24日星期二 17:59:31 UTC（7,799 KB）
[v2]
2026年4月1日星期三 10:25:03 UTC（7,712 KB）
[v3]
2026年10月27日星期二 09:05:05 UTC（6,259 KB）
来源：arXiv cs.AI · arxiv.org