亚马逊及合作者关于自改进多智能体系统的好论文：智能体的情景记忆被严重低估了

亚马逊及合作者提出了 EMMA：控制器、子智能体和技能都被视为可从失败中改进的情景记忆——任务失败后，反思器判定由哪一部分负责修复，并提出一处有范围约束的增量修改。EMMA 在 KramaBench、AppWorld 和 BBEH 上击败了 ACE、GEPA、EvoMAS 和 ADAS，比最强基线高出最多 32.5%，同时训练执行次数减少 17% 至 38%。这很重要，因为它表明，能从失败中学习的记忆（而不只是存储过往文本）可以让多智能体工作流既更强、训练成本又更低。

• Elvis Saravia2026-10-28 13:39