面向多智能体视觉语言模型（VLM）系统的协同记忆机制
英文标题：Collaborative Memory for Multi-Agent VLM Systems
视觉语言模型（VLM）智能体结合了专用感知、工具与推理能力，用以解决复杂的视觉任务。在多智能体协作设定中，不同 Agent 往往需要分别审视不同的图像区域、视频帧或视觉表征，使得跨智能体的协同记忆机制成为协同决策的核心。该研究针对多 Agent 场景下的视觉信息碎片化与交互割裂问题，探索了共享协作记忆架构。这一机制对于提升长视频理解、复杂场景感知等多模态 Agent 系统的协同效率具有重要工程与学术参考价值。
打开原文相关 4 · 机会 3
2.1 KB
483 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv 编号：arXiv:2609.17921v1
发布类型：new
摘要
视觉语言模型（VLM）智能体结合了专业化感知、工具和推理能力，以应对复杂的视觉任务。在多智能体（Multi-Agent）协作环境中，不同的智能体负责检查不同的图像区域、视频帧或视觉表征，因此智能体之间的协同记忆机制对于信息整合与协作推理至关重要。
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×