HEDGE提出超图记忆框架提升多智能体辩论效率

2026年10月30日，arXiv平台发布论文《HEDGE: Gated Hypergraph Memory for Scalable Multi-Agent Debate》。研究团队提出HEDGE选择性记忆框架，将辩论轨迹表示为语义超图，通过超边连接相关声明以保留高阶关系。 该框架利用学习记忆选择模块（MSM）将候选记忆路由至存储、备份或忽略三类操作。实验显示，在七个基准测试中，HEDGE平均准确率比基于GPT-4o-mini的多智能体系统高5.0点，冲突任务高8.2点。 在性能提升的同时，该框架显著降低资源消耗，记忆使用量减少48%，辩论轮次减少34%，实现了高效的多智能体协作辩论机制。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。