BaRe-Mem：提升智能体咨询稳健性与适应性的贝叶斯可靠性记忆
在多智能体系统中，不可靠的建议可能让结果变差。BaRe-Mem 根据中央模型的内部信念表征和历史交互，估计提供建议的智能体是否可靠。这些估计用于调节建议的影响，并帮助系统决定是咨询其他智能体还是自主推理。在九个基准和六种中央模型上的测试中，面对误导性建议时，BaRe-Mem 比辩论和多数投票方法更稳健。在难度较高的任务中，无论测试的误导信息程度如何，其表现都优于自主推理。在 MuSiQue 基准上，与依据历史成功次数进行路由相比，该方法也提升了智能体团队的任务分配效果。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。