arXiv · cs.AI· Hochan Son, Kyungdoe Han, Jaehan Koh, Xiaowu Dai, Wenlu Xu, Guang Cheng·· 1 天前
多智能体LLM推理中的持久记忆：成本、收益与可判别条件
Persistent Memory in Multi-Agent LLM Inference: What It Costs, What It Buys, and When You Can Tell
arXiv:2610.07782v1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：Hochan Son, Kyungdoe Han, Jaehan Koh, Xiaowu Dai, Wenlu Xu, Guang Cheng
研究任务与主要进展
基于论文摘要，研究测量了多智能体LLM推理中持久记忆的成本与收益。长上下文分解将每次查询的峰值KV工作集降至14.3 MiB，而持久记忆层在八组受控数据集、每组每臂n=100的条件下额外增加0.368 MiB，并产生+0.015的准确率变化，95%置信区间为[-0.011,+0.046]；作者认为独立单题评测和条件间重置存储痕迹使记忆难以体现收益。
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