热点事件持续更新
多智能体记忆筛选反降LLM群体决策准确率
1 篇报道1 个报道来源45 分钟前更新
先了解这件事
AI 综述
2026年10月28日，AGI Hunt 报道了一项由四所中国高校完成的研究：团队提出名为 CrossProfile 的诊断基准，包含 480 个任务，用来检验把 LLM 多智能体的讨论过程压缩成短时记忆时，不同筛选策略的效果。结果显示，按相关性或“最罕见优先”来筛选记忆，反而会降低群体决策的准确率。在 Qwen2.5-7B、Llama-3.1-8B 及两个 DeepSeek 模型上，在隐藏档案场景中，即使使用“完美”的相关性过滤器，其表现也比“最罕见优先”策略低 23 至 31 个百分点；而“最罕见优先”策略本身也不比随机选择更好。报道称，这提示多智能体记忆压缩中常用的直觉性筛选规则可能适得其反，目前该研究以论文形式公开，尚无后续复现或同行评议进展的报道。
AI 根据报道生成 · 28 分钟前更新
最新进展10月28日 15:17
新论文用 CrossProfile 基准（480 个任务）显示，按相关性或最罕见优先筛选记忆均不及随机。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AGI Hunt研究：多智能体记忆按稀有或相关性筛选反而降低 LLM 群体决策准确率
四所中国高校的论文提出 CrossProfile 诊断基准（480 个任务），发现把 LLM 多智能体讨论压缩成短记忆时，按相关性或最罕见优先筛选反而降低群体决策准确率。在 Qwen2.5-7B、Llama-3.1-8B 及两个 DeepSeek 模型上，完美的相关性过滤器在隐藏档案场景中比最罕见优先策略损失 23-31 个百分点，最罕见优先也不比随机选择更好。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。