面向视觉多智能体系统的双潜记忆机制

尽管视觉多智能体系统（VMAS）有望通过智能体间协作提升综合能力，但实证研究表明存在反直觉的“扩展壁垒”：增加智能体轮次常导致性能下降并指数级增加token消耗。作者将此归因于以文本为中心通信中的信息瓶颈——将感知与思维轨迹转化为离散自然语言不可避免地造成语义损失。为此，本文提出L²-VMAS，一种模型无关的框架，通过双潜记忆实现智能体协作，并解耦感知与思维过程，动态融合两类潜记忆。此外，引入熵驱动的主动触发机制，以按需记忆访问替代被动信息传输。大量实验表明，该方法有效突破“扩展壁垒”，平均准确率提升2.7–5.4%，同时减少21.3–44.8%的token使用。