亚马逊与UCSD发布EMMA多智能体工作流论文
热点事件持续更新
亚马逊与UCSD发布EMMA多智能体工作流论文
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
亚马逊与UCSD研究者发布EMMA论文，提出以情景记忆管理多智能体工作流的配置和演化；论文报告，该方法在KramaBench、AppWorld和BBEH上取得最佳总成绩，较最强基线最高领先32.5%，训练执行次数减少17%—38%。 EMMA由控制器路由记忆、智能体提示词和技能。任务失败后，系统只选择其中一处进行有界增量修改，再以新经验指导后续工作流调整。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 21:39
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报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AGI Hunt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%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。