亚马逊与 UCSD 发布 EMMA 论文：用情景记忆推动多智能体自我进化

亚马逊与 UCSD 研究者发布 EMMA 论文，以情景记忆统一管理多智能体工作流的配置与演化。该方法由 controller 路由记忆、agent prompt 和 skills 组成，任务失败后仅选择一处进行有界增量修改。在 KramaBench、AppWorld 和 BBEH 上，EMMA 取得最佳总成绩，最高领先最强基线 32.5%，训练执行次数减少 17–38%。