基于大模型的Agents之间的记忆共享

文章预览

文章名为《Memory Sharing for Large Language Model based Agents》，作者是来自美国新泽西州罗格斯大学计算机科学系的Hang Gao和Yongfeng Zhang（与AIOS系列文章出自同一团队）。文章概述了大型语言模型（LLM）Agents通过自然语言提示执行任务的能力。然而，文章指出，当将上下文学习（In-context Learning）应用于开放式挑战，例如诗歌创作时，由于所提供的示例的全面性以及智能体理解问题内容的能力的限制，导致输出结果常常与预期大相径庭。 为了解决这一差距，作者提出了一个名为Memory Sharing（MS）框架，用于LLM多智能体。该框架利用实时记忆存储和检索系统来增强上下文学习过程。在这个系统中，每个“记忆”都捕获了提出的查询和基于LLM智能体的相应实时响应，将这些记忆从广泛的类似智能体中聚合起来，以丰富所有智能体共享的记忆池。该框架不仅帮助智 ………………………………