Des équipes de Cambridge et de l’université de Chicago lancent DecentMem en open-source, améliorant de 24% la précision des systèmes multi-agents tout en réduisant de moitié la consommation de jetons

Selon Beating, des chercheurs de l’université de Cambridge et de l’université de Chicago ont open-sourcé DecentMem, un cadre de mémoire multi-agents qui remplace la mémoire globale partagée par une mémoire privée décentralisée. Les systèmes traditionnels reposant sur une mémoire partagée amènent les agents à converger vers des parcours de décision similaires après avoir lu un contexte identique, éliminant les avantages de la collaboration. DecentMem conserve une mémoire dual-pool spécifique à chaque agent : un pool d’expériences stockant des réflexions historiques et un pool d’exploration générant de nouvelles stratégies candidates. Les tests sur AutoGen, DyLAN et AgentNet montrent que DecentMem obtient une amélioration moyenne de 8,6 % par rapport à des références centralisées, avec des gains de performance maximaux de 23,8 %, tout en réduisant la consommation de jetons de 50 %. Dans le cadre DyLAN, qui met l’accent sur la négociation libre, la vitesse de convergence s’est améliorée de 2,5x avec 60 % de tours d’itération en moins.
Avertissement : Les informations figurant sur cette page peuvent provenir de sources tierces et sont fournies à titre indicatif uniquement. Elles ne reflètent pas les points de vue ou opinions de Gate et ne constituent pas un conseil financier, d’investissement ou juridique. Le trading des actifs virtuels comporte des risques élevés. Veuillez ne pas vous fonder uniquement sur les informations de cette page pour prendre vos décisions. Pour en savoir plus, consultez l’avertissement.
Commentaire
0/400
Aucun commentaire