MiTa：一种具有记忆集成与任务分配的分层多智能体协作框架

大型语言模型加速了具身智能体发展，但现有基于 LLM 的多智能体系统仍面临记忆不一致和行为冲突等挑战。为此，本文提出 MiTa，一种分层记忆集成与任务分配框架。该框架采用管理者 - 成员层级结构，其中管理者包含额外的分配与总结模块，分别实现全局任务分配和情景记忆集成。总结模块通过压缩近期协作历史为简洁摘要，保留长程上下文。实验表明，MiTa 在复杂多智能体协作中相比强基线方法具有更优的效率与适应性。