ReM-MoA：推理记忆维持混合代理的扩展能力

混合代理（MoA）架构通过分层推理管道提升推理时扩展性，但现有变体随深度增加易出现性能退化或饱和。本文提出 ReM-MoA，一种记忆增强型 MoA 框架，通过两种机制维持扩展性：一是利用评审代理对多层推理轨迹进行持久化存储与排序的“分级推理记忆”；二是“精选多样化记忆路由”，向不同代理展示成败轨迹的独特组合，以保留探索多样性并传播高质量推理。实验表明，该框架在多个推理基准上优于现有方法，且优势随深度增加而扩大。