论文EMMA：多智能体工作流合成的结构化记忆机制

2026年10月28日，arXiv平台cs.AI领域发表由Ruijia Niu等人撰写的论文，正式提出名为EMMA的结构化情景记忆机制。该机制将多智能体系统的控制器路由记忆、专家提示词继承及逐步程序性技能配置，统一视为系统的情景记忆。 在KramaBench、AppWorld和BBEH三大基准测试中，EMMA在5个不同的骨干模型下均表现最佳。其性能相比最强的基线模型高出32.5%，同时，其训练所需的执行次数比最高效的基线模型减少了17%至38%。 该研究指出，通过引入反思器以及不依赖于特定骨干模型的护栏，EMMA能够明确记忆更新的归属与规则，从而有效支持多智能体工作流的动态合成。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。