Σ-Mem：面向LLM多智能体系统的在线可靠性记忆

Σ-Mem是一个面向LLM多智能体系统的在线可靠性记忆，记录个体胜任力证据和同伴关系证据，并通过反馈更新。实验表明其能适应可靠性变化、泛化到未见同伴，直接记忆读取优于多数投票，且随反馈积累性能提升。

传统记忆系统仅保存交互内容，不建模信任。Σ-Mem首次引入在线可靠性记忆，使系统能基于历史反馈动态评估代理可信度，实现无需重训练的稳定适应，为多代理协调提供新机制。

Σ-Mem将同伴胜任力和关系证据维护为实对称状态，利用Weyl不等式保证每次更新谱变化有界，确保在线稳定。它提供统一的读写接口，支持残余引导、免响应路由和加权投票，通过累积正确性反馈持续改进协调决策。

对多代理产品（如客服、协作工具），可动态调整代理权重、优化路由，减少错误输出。无需重训练模型，降低冷启动成本，提升整体可靠性。

• 在多代理系统中集成Σ-Mem模块，动态加权投票以提升决策准确率。
• 开发基于Σ-Mem的代理路由服务，将任务分给历史可靠代理。
• 利用Σ-Mem进行代理性能监控，自动标记低可靠代理并触发人工干预。
• 在Qwen模型基础上扩展Σ-Mem，评估跨域迁移能力并商业化。

• Σ-Mem在非Qwen模型上是否同样有效？
• 在真实多代理场景中，正确性反馈如何高效获取？
• 与已有记忆系统相比，Σ-Mem的存储和计算开销如何？
• 长期运行中，谱界是否能保证记忆不发生退化？