MEMO：面向鲁棒多轮多智能体 LLM 游戏的记忆增强模型上下文优化

多轮多智能体 LLM 游戏评估常存在显著的运行间方差，长程交互中的微小偏差会因多智能体耦合而放大，导致胜率估计有偏且排名不可靠。本文提出 MEMO（记忆增强模型上下文优化），一种通过耦合保留与探索来优化推理时上下文的自博弈框架。保留机制维护持久记忆库，存储自博弈轨迹的结构化洞察并在后续游戏中作为先验注入；探索机制结合 TrueSkill 进行不确定性感知的提示演化，并利用优先重放 revisit 罕见关键状态。实验表明，MEMO 显著提升了胜率并降低了方差，尤其在谈判和不完全信息游戏中表现优异。