SkillMem 提出潜空间多智能体技能记忆压缩方案
原文标题：SkillMem: Compact External Skill Memory for Latent Multi-Agent Reasoning
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 SkillMem，将可复用技能表示为小型外部潜记忆，供潜空间多智能体推理直接调用，通过角色条件交叉注意力读取器按角色引导不同智能体。在六个基准与 Qwen3 4B–14B 模型上，100 个技能库存储降低逾 38 倍，端到端推理最高加速 4.23 倍。
- 问题
- 潜空间多智能体复用技能时，文本技能需重复处理，KV 或参数化存储开销大。
- 方法
- 把技能存成小型外部潜记忆，用角色条件交叉注意力读取器按角色与隐藏状态调用，行为蒸馏训练且冻结主干。
- 结果
- 100 个技能库存储降低逾 38 倍，端到端推理最高加速 4.23 倍；单技能仅 9.6KB。
- 影响
- 为多智能体推理降本提供可复用技能缓存方案，小模型收益更明显，适合推理成本敏感部署。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SkillMem 把技能存为小型外部潜记忆，100 个技能库存储降逾 38 倍，端到端推理最高加速 4.23 倍。
- •每个可复用技能表示为小型外部潜记忆，潜空间多智能体推理时直接调用，避免重复处理
- •角色条件交叉注意力读取器让同一记忆按角色与当前隐状态引导不同智能体
- •通过行为蒸馏训练技能记忆与共享读取器，匹配文本技能引起的 token 预测变化，主干冻结
- •六个基准、Qwen3 4B–14B 上，统一用 8×256 记忆配置，每技能含检索嵌入仅 9.6KB
- •100 个技能库总存储降低逾 38 倍，端到端推理最高加速 4.23 倍，小模型收益更强
为什么重要：潜空间多智能体的技能供给此前靠文本或逐技能 KV/参数，存储与重复计算成本高；该方案让技能库规模化更可行。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。