跳到正文
arXiv cs.AI· Hejia Zhang, Zhongming Yu, Yimin Ding, Wei-Ting Chen, Hengjia Yu, Wentao Ni, Yijun Liu, Cong Xu, Xin Chen, Matrix Yao, Fan Zhao, Jishen Zhao·· 4 小时前AI 评分42

多智能体记忆不一致性:LLM 智能体中的事实冲突在哪里消失

Multi-Agent Memory Inconsistency: Where Factual Conflicts Disappear in LLM Agents

AI 导读

研究团队提出基准与证据流分析工具,在 Harvey LAB 文档审查任务中考察多智能体记忆不一致性。在三个模型上,要求委派任务使冲突主张的检索率从 50.2% 升至 68.7%,但冲突检测率反而从 16.2% 降至 13.2%。worker 仅对 35.2% 的已检索冲突对同时上报两种主张,worker 到 lead 的交接是提升冲突检测的关键环节。

正文 · AI 翻译

作者:Hejia Zhang、Zhongming Yu、Yimin Ding、Wei-Ting Chen、Hengjia Yu、Wentao Ni、Yijun Liu、Cong Xu、Xin Chen、Matrix Yao、Fan Zhao、Jishen Zhao

查看 PDF HTML(实验性)

摘要:多智能体委派让 LLM 系统能够将证据收集分配给拥有独立上下文的多个工作智能体。这带来了一致性挑战:工作智能体检索到的事实,可能在主智能体用于得出联合结论的证据中缺失。我们引入了一个基准和证据流分析器,通过在 Harvey LAB 文档审查任务中受控的事实冲突,研究多智能体记忆不一致问题。在生成开销相当的情况下,对三个模型进行汇总后发现,与单智能体执行相比,要求进行委派使对两种冲突主张的检索率从 50.2% 提升至 68.7%,但冲突检测率却从 16.2% 下降至 13.2%。在此设定下,工作智能体仅对 35.2% 的已检索配对报告了两种主张;汇总后的匹配比较显示,当由一个工作智能体同时读取两种主张时,检测率高于单智能体执行,而当两种主张被拆分到不同工作智能体时,检测率则更低。工作智能体向主智能体的交接,是提升多智能体 LLM 冲突检测能力的核心改进目标。
主题: 人工智能(cs.AI);多智能体系统(cs.MA)
引用为: arXiv:2611.22245 [cs.AI]
  (或使用 arXiv:2611.22245v1 [cs.AI] 查看此版本)
  https://doi.org/10.48550/arXiv.2611.22245

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Hejia Zhang [查看邮箱]
[v1] 2026年11月17日 星期二 05:47:01 UTC(1,612 KB)

来源:arXiv cs.AI · arxiv.org