Σ-Mem：LLMベースのマルチエージェントシステムのためのオンライン信頼性メモリ

要旨

メモリは長期的なタスクを遂行するLLMエージェントにとって中心的な役割を果たすが、既存のメモリシステムは主に対話内容を保持するものであり、どのエージェントがどのような条件下で信頼できるかをモデル化するものではない。この制約は、中央モデルがもっともらしい、または相関したピア応答を直接検証できない可能性があるマルチエージェントシステムにおいて特に重要である。我々はΣ-Memを導入する。これは、個々のピアの過去の能力に関する証拠と、ピア集合全体にわたるピア間関係の証拠を記録するオンライン信頼性メモリである。両方の証拠は実対称状態として保持され、意思決定後の正誤フィードバックから更新される。ワイルの不等式により、各イベント単位の更新によって生じるスペクトル変化は有界であり、基盤となるモデルを再学習することなく安定したオンライン適応が可能になる。Σ-Memは汎用的な書き込み・読み出しインターフェースを提供し、同じメモリを中央モデルの残差誘導、応答不要のピアルーティング、あるいは信頼性重み付き投票に使用できる。5つのQwenファミリーのモデルにわたり、Σ-Memは反事実的な信頼性シフトに適応し、未見のピアやタスク領域へ一般化する。また、メモリの直接読み出しは、OOD評価セット全体において多数決投票や最良の固定ピアを上回る性能を示す。さらに、より多くの正誤フィードバックが利用可能になるにつれて性能は一貫して向上し、Σ-Memが実行可能な信頼性情報を漸進的に蓄積していることを示している。これらの結果は、LLMベースのマルチエージェントシステムにおける適応的連携のための再利用可能な基盤として、信頼性メモリを確立するものである。

English

Memory is central to long-horizon LLM agents, yet existing memory systems primarily preserve interaction content rather than modeling which agents can be trusted and under what conditions. This limitation is particularly important in multi-agent systems, where a central model may be unable to directly verify plausible or correlated peer responses. We introduce Σ-Mem, an online reliability memory that records historical competence evidence for individual peers and peer relationship evidence across the peer set. Both forms of evidence are maintained as real symmetric states and updated from post-decision correctness feedback. By Weyl's inequality, the spectral change caused by each event-level update is bounded, enabling stable online adaptation without retraining the underlying models. Σ-Mem provides a general write-and-read interface: the same memory can be used for residual steering of a central model, response-free peer routing, or reliability-weighted voting. Across five Qwen-family models, Σ-Mem adapts to counterfactual reliability shifts and generalizes to unseen peers and task domains. Direct memory readouts also outperform majority voting and the best fixed peer over the full OOD evaluation set. Moreover, performance improves consistently as more correctness feedback becomes available, indicating that Σ-Mem progressively accumulates actionable reliability information. These results establish reliability memory as a reusable foundation for adaptive coordination in LLM-based multi-agent systems.