MasFACT框架解决了多智能体LLM系统中的拓扑遗忘问题

研究人员推出MasFACT，一个旨在解决由大型语言模型驱动的持续多智能体系统（MAS）中“拓扑遗忘”问题的新型框架。当适应新任务导致系统丢失从先前任务中学到的有效通信结构时，就会出现此问题。MasFACT采用几何感知后验迁移方法，利用融合的Gromov-Wasserstein最优传输来保留历史协作知识作为可迁移的拓扑先验。然后，系统使用PAC-Bayes引导的适应来平衡学习新任务与维护稳定的通信结构。实验结果表明，与现有方法相比，MasFACT在准确性和减少拓扑遗忘方面持续改进。 AI

影响 这项研究可以提高多智能体LLM系统在动态环境中的适应性和效率。

排序理由 这是一篇详细介绍多智能体系统新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Gromov--Wasserstein
• Hugging Face
• large language models
• MasFACT
• multi-agent system
• PAC-bayesian learning
• Xuefei Wang

• 论文
• 模型发布
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →