MELD: A Protocol for Merging Knowledge Across Distributed Agentic Memories
本文提出了 MELD，一种自管理协议，它使分布式自主智能体能够通过可审计的补丁和基于 CRDT 的状态跟踪来协调并合并其知识图谱，在实现高召回率和存储效率的同时，能够在没有中央协调器的情况下保留矛盾以供后续裁决。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在人工智能这一新兴领域，自主智能体正变得日益强大。这些是能够感知环境、做出决策，甚至调用其他工具来完成任务的软件程序。想象一下由一组数字助手组成的团队，每个助手都专注于不同的任务，共同协作解决复杂的难题。多年来，研究重点一直在于将它们连接起来，以便它们能够相互交流并共享彼此的能力。然而，一个关键的拼图碎片却一直缺失：虽然这些智能体可以共享它们的工具，但它们无法真正共享所掌握的知识。每个智能体都会建立属于自己的私有事实、经验和规则库，但一直缺乏一种可靠的方法，让两个智能体能够对比彼此的笔记，意识到它们谈论的是同一件事，或者在不发生一方简单覆盖另一方的情况下，就矛盾之处达成一致。这种沉默造成了一种破碎的现实，即知识被困在孤立的孤岛中，导致了重复劳动或重要信息的意外丢失。
来自奥卢大学和赫尔辛基大学的研究人员通过一种名为 MELD 的新协议解决了这一差距。可以将它想象成一个通用的翻译员与图书管理员的结合体，专门为这些数字智能体的记忆而设计。MELD 解决的核心问题是“同义异词”的困境。如果一个智能体学到的规则表述为“保留记录七年”，而另一个智能体学到的则是“保留客户数据 7 年”，标准系统可能会将它们视为两个完全不同的事实，或者更糟的是，为了保留其中一个而默默删除另一个。MELD 通过引入一个细致的、分步骤的过程改变了这一点，该过程在智能体每次接收到新信息时都会触发。智能体不再盲目接受或拒绝某项主张，而是会停下来，根据已有的知识对其进行分析。它会检查新信息是否完全相同，是同一种意思的不同表达方式，是否与现有知识重叠，或者是否与已持有的信息直接矛盾。
该系统依赖三种特定的信号来进行决策。首先，它观察主张的核心身份，检查其内容和特定语境是否完全匹配。其次，它使用数学意义上的度量来衡量新文本与旧文本之间的相似度，即使措辞不同。第三，它采用逻辑检查来判断新主张是否与旧主张相抵触。基于这些信号，智能体会做出五种选择之一：它可以将信息作为全新的内容插入；如果两者足够相似，它可以将其与现有事实合并，从而有效地整合重复项；如果两者相关但又各不相同，它可以将它们关联起来；如果它们相互矛盾，它可以标记冲突，从而保留两项主张，以便人类或更高层级的权威稍后做出决定；最后，如果信息已过时或无效，它可以拒绝该信息。至关重要的是，该系统绝不会默默丢弃矛盾之处，它会让这种张力保持可见，确保没有任何信息在处理过程中丢失。
为了确保这一过程在可能处于断开连接或运行速度不一的智能体网络中也能可靠运行，MELD 使用了一种自愈机制。如果网络分裂为二，且位于两侧的智能体独立更新了各自的记忆，该系统旨在一旦连接恢复，就能自动协调这些变化。它不需要一个中央管理者来指挥所有人，而是利用一种数学保证，确保所有智能体最终都能就每一条信息的状况达成一致，无论它们接收更新的顺序如何。这防止了当系统的不同部分试图覆盖彼此的工作时通常会发生的混乱。
研究人员在一个跨越本地计算机、国家级超级计算机乃至 5G 移动网络边缘的真实环境中测试了这一系统。他们发现，当智能体使用 MELD 来合并记忆时，其信息检索能力与所有数据都存储在单一中央位置时一样出色。事实上，通过智能地合并重复事实，该分布式系统比单纯保留所有独立数据的做法节省了约 11% 的存储空间。该系统在过滤流量方面也非常高效，发送的消息量仅为实现同等知识共享水平的标准广播系统的三分之一左右。
或许最重要的一点是，该系统在面对错误时表现出了极强的鲁棒性。在涉及数千个潜在冲突的测试中，该协议在合并不同事实时犯错极少，误合并率仅为 1.3% 左右。当遇到矛盾时，它能成功将其标记以供审查，而不是将其隐藏。研究还表明，该系统能够从网络故障中恢复，在模拟通信中断后，所有智能体都能回归到一个统一且一致的状态，而旧方法在超过三分之二的试验中都未能实现这一目标。
这项工作并不声称解决了关于某个事实在哲学意义上究竟是哪一个“正确”的问题；这一决定权仍留给人类判断或更高层级的权威。相反，MELD 提供了一种基础设施，使智能体网络能够在不丢失各自独特视角丰富性的情况下，维持一个连贯且共享的世界观。它将一群孤立的数字大脑转变为一个可以成长、适应并自我修复的联邦，确保知识不仅是被存储，而且是真正被共享。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。