arXiv · cs.AI· To Eun Kim, Xuhong He, Dishank Jain, Ambuj Agrawal, Negar Arabzadeh, Fernando Diaz·· 6 小时前
MATM：面向多Agent群体的共享轨迹记忆框架
Multi-Agent Transactive Memory
arXiv:2606.19911v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：To Eun Kim, Xuhong He, Dishank Jain, Ambuj Agrawal, Negar Arabzadeh, Fernando Diaz
研究任务与主要进展
研究提出Multi-Agent Transactive Memory（MATM），通过共享仓库存储生产Agent的任务轨迹，并让消费Agent检索这些轨迹以复用程序性知识。基于论文摘要，在ALFWorld和WebArena的长流程交互环境中，检索MATM轨迹可提升下游任务表现并减少交互步骤，且不需要协调或联合训练；材料未说明具体实验细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org