摘要由 AI 生成
MemMA 提出一种基于多智能体的记忆循环协调框架，旨在解决长程交互中的记忆挑战。该框架包含前向路径和后向路径：在前向路径中，Meta-Thinker 生成结构化指导以引导 Memory Manager 构建知识并指挥 Query Reasoner 进行迭代检索；在后向路径中，引入原位自我进化机制，通过合成探测问答对、验证当前记忆并将失败转化为修复动作来优化系统。实验表明，MemMA 在 LoCoMo 基准上优于现有基线，支持多种 LLM 骨干和存储后端，且相关代码已公开。
关键实体KEY ENTITIES
LoCoMoMemMA
事件框架EVENT FRAME
产品发布
arXiv:2603.18718v2
MemMA
提出基于多智能体推理的内存增强框架
报道态势 · 每日报道量LANGUAGE SPLIT
信号强度SIGNALS
全部报道（1）SOURCES
↗
MemMA 提出一种多智能体框架，通过协调记忆循环的前向与后向路径解决长程交互挑战。在前向路径中，Meta-Thinker 生成结构化指导以引导 Memory Manager 进行构建并指挥 Query Reasoner 进行迭代检索；在后向路径中，引入原位自我进化机制，合成探测问答对、验证当前记忆并将失败转化为修复动作。实验表明，MemMA 在 LoCoMo 上优于现有基线，且支持多种 LLM 骨干和存储后端以插件方式运行。相关代码已公开。