Σ-Mem: An Online Reliability Memory for LLM-based Multi-Agent Systems

Σ-Mem 为 LLM 多智能体系统提供在线可靠性记忆，记录每个 peer 的历史能力证据和 peer 间关系证据，通过后验正确性反馈更新。利用 Weyl 不等式保证更新稳定。提供通用读写接口，可用于残差引导、peer 路由或加权投票。在 Qwen 模型上，该方法能适应反事实可靠性变化，并泛化到未见 peer 和任务，超过多数投票和最佳固定 peer。

直接适用于我的导购 agent 产品：多智能体协作时，可用 Σ-Mem 动态评估各子 agent 的可靠性，实现更优的任务分配或答案融合，提升整体准确性和鲁棒性。

改变了原先对多智能体协作的认知：之前主要关注 prompt 或通信协议，现在意识到维护一个显式的可靠性记忆层是轻量且有效的替代方案，无需重训模型。

下一步：阅读全文并尝试在选型中集成类似机制，先做一个小 demo 验证对导购场景下不同 agent（如商品推荐、比价、客服）的可信度建模效果。