EMMA提出结构化情景记忆多智能体工作流合成方法

Ruijia Niu 等在 arXiv 发布 EMMA 论文（arXiv:2610.35966），提出面向多智能体工作流合成的结构化情景记忆方法：将多智能体系统配置——控制器路由记忆、专家继承通用提示词、分步程序技能——视为情景记忆，由 reflector 将失败归因到对应作用域，并通过与 backbone 无关的守卫约束更新范围。论文称，在 KramaBench、AppWorld 和 BBEH 三个基准、五种 backbone、对比 ACE、GEPA、EvoMAS、ADAS 四个基线的测试中，EMMA 在每个基准上取得最佳总体表现，最高超过最强基线 32.5%，且训练执行次数比最高效基线少 17-38%。上述性能数据为论文自述结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。