中文 定位:一篇研究多用户、多 Agent 交互场景下记忆提取的论文。自进化 Agent 能从经验中改进自己的技能、记忆与运行框架而不必重训基座模型,群体进化 Agent 还能跨 Agent 共享经验;但多数系统在「到底该记住什么」这一步上仍有缺口,本文聚焦多粒度记忆提取。
核心能力
- 研究对象是多用户、多 Agent 交互产生的经验流,目标是把经验提炼成可复用的记忆。
- 提出多粒度(multi-granularity)记忆提取的视角,区分不同抽象层级的记忆内容。
- 讨论范围覆盖单 Agent 自进化与多 Agent 共享经验两类系统。
适用人群:做 Agent 记忆系统、长期交互与自进化 Agent 的研究者与工程师。
注意:本文为 HuggingFace Papers 收录的预印本,结论以原文实验为准。
日本語 位置づけ:マルチユーザー、マルチエージェントのインタラクション場面における記憶抽出を研究した論文です。自己進化エージェントは基盤モデルを再訓練せずに経験から自身のスキル、記憶、実行フレームワークを改善でき、グループ進化エージェントはエージェント間で経験を共有までします。しかし多くのシステムには「結局何を覚えるべきか」という段階に課題が残り、本論文は多粒度の記憶抽出に焦点を当てます。
主な機能
- 研究対象はマルチユーザー、マルチエージェントの対話から生じる経験の流れで、経験を再利用可能な記憶へ抽出することが目標です。
- 多粒度(multi-granularity)の記憶抽出という視点を提示し、抽象度の異なる記憶内容を区別します。
- 単一エージェントの自己進化と、複数エージェントの経験共有の両タイプのシステムを議論の範囲に含みます。
対象ユーザー:エージェントの記憶システム、長期インタラクション、自己進化エージェントに取り組む研究者とエンジニアに向いています。
注意:HuggingFace Papers 収録のプレプリントであり、結論は原文の実験に基づきます。
한국어 정의: 다중 사용자, 다중 에이전트 상호작용 상황에서 기억 추출을 연구한 논문입니다. 자기 진화 에이전트는 기반 모델을 재훈련하지 않고 경험에서 자신의 스킬, 기억, 실행 프레임워크를 개선할 수 있고, 그룹 진화 에이전트는 에이전트끼리 경험을 공유하기까지 합니다. 그러나 대부분의 시스템에는 '결국 무엇을 기억해야 하는가'라는 단계에 빈틈이 남아 있고, 이 논문은 다중粒度(multi-granularity) 기억 추출에 초점을 맞춥니다.
핵심 기능
- 연구 대상은 다중 사용자, 다중 에이전트 상호작용에서 생기는 경험의 흐름이며, 경험을 재사용 가능한 기억으로 추출하는 것이 목표입니다.
- 다중粒度 기억 추출이라는 관점을 제시해, 추상화 수준이 다른 기억 내용을 구분합니다.
- 단일 에이전트의 자기 진화와 여러 에이전트의 경험 공유, 두 유형의 시스템을 모두 논의 범위에 포함합니다.
대상 사용자: 에이전트 기억 시스템, 장기 상호작용, 자기 진화 에이전트를 연구하는 연구자와 엔지니어에게 적합합니다.
참고: HuggingFace Papers에 수록된 프리프린트이며, 결론은 원문의 실험을 기준으로 합니다.
English What it is: A paper on memory extraction for multi-user, multi-agent interaction. Self-evolving agents improve their own skills, memory, and harness code from experience without retraining the base LLM, and group-evolving agents go further by sharing those lessons across agents — yet most such systems leave a gap at the step of deciding what exactly should be remembered. This paper focuses on multi-granularity memory extraction.
Key capabilities
- Studies the stream of experience produced by multi-user, multi-agent interaction, aiming to distill it into reusable memory.
- Proposes a multi-granularity view of memory extraction, distinguishing memory content at different levels of abstraction.
- Covers both single-agent self-evolution and multi-agent experience sharing systems.
Who it is for: Researchers and engineers working on agent memory systems, long-term interaction, and self-evolving agents.
Caveats: A preprint listed on HuggingFace Papers — conclusions rest on the experiments in the original text.