摘要
针对多模态生成模型在复杂指令及专用任务上的局限，本文提出 GEMS 框架。该框架基于三大核心组件：引入结构化多代理循环以迭代优化生成质量；构建持久性轨迹级记忆，分层存储事实状态与经验摘要，提供全局优化视角并减少冗余；提供可扩展的领域技能库按需加载。实验表明，GEMS 在多项任务中显著超越基线，甚至使轻量级模型性能优于最先进模型，证明了代理架构扩展模型能力的有效性。
AI 推荐理由
论文核心提出包含记忆与技能的代理框架，记忆机制是关键组件。
研究机构
Shanghai AI Laboratory
Nanjing University
Shanghai Jiao Tong University
论文信息