心识周刊 | 通用智能体记忆 GAM、LatentMAS 实现智能体间纯潜空间协作……

本周主要内容：通用智能体记忆、多智能体潜在协作、小型调度模型训练方法 ToolOrchestra、连续隐式推理 CLaRa、意识科学与临床应用、生命周期的拓扑转折点、神经科学与机器学习、意识障碍脑状态动力学特征

AGI 每周速递

[1] 通过深度研究实现通用智能体记忆

标题：General Agentic Memory Via Deep Research

链接：https://arxiv.org/abs/2511.18423

作者：B.Y. Yan, Chaofan Li, Hongjin Qian, Shuqi Lu, Zheng Liu

单位：北京智源人工智能研究院、 中国人民大学、 北京大学、 香港理工大学

摘要：

记忆对智能体至关重要，然而当前广泛采用的静态记忆系统旨在预先创建可直接调用的记忆内容，这种做法不可避免地会导致严重的信息损失。为突破这一局限，研究团队提出名为通用智能体记忆（general agentic memory, GAM） 的新型框架。GAM 遵循「即时（just-in time, JIT）编译」原则：在离线阶段仅保留简洁有效的记忆内容，而在运行时专注于为客户端动态生成优化的上下文信息。为实现这一目标，GAM 采用双模块设计：1）记忆器，通过轻量级记忆单元提炼关键历史信息，同时在通用页面存储库中维护完整历史记录；2）研究器，根据预构建的记忆指引，从页面存储库中检索并整合有效信息以响应在线请求。该设计使 GAM 能够充分发挥前沿大语言模型的智能体能力与测试时扩展性，同时通过强化学习实现端到端的性能优化。实验研究表明，在多种基于记忆的任务完成场景中，GAM 相较现有记忆系统均取得显著提升。

[2] 多智能体系统中的潜在协作

标题：Latent Collaboration in Multi-Agent Systems

链接：https://www.arxiv.org/abs/2511.20639

作者：Jiaru Zou, Xiyuan Yang, Ruizhong Qiu, Gaotang Li, Katherine Tieu, Pan Lu, Ke Shen, Hanghang Tong, Yejin Choi, Jingrui He, James Zou, Mengdi Wang, Ling Yang

单位：普林斯顿大学、 伊利诺伊大学厄巴纳–香槟分校、 斯坦福大学

摘要：

多智能体系统将大语言模型从独立的单模型推理扩展为协同的系统级智能。现有 LLM 智能体依赖基于文本的交互进行推理与通信，而本研究通过实现模型在连续潜在空间内的直接协作迈出了新的一步。研究者提出 LatentMAS——一种端到端无需训练的新型框架，可实现 LLM 智能体间的纯潜在空间协作。在该框架中，每个智能体首先通过末层隐藏嵌入进行自回归潜在思维生成，随后由共享潜在工作记忆保存并传递各智能体的内部表征，从而确保无损信息交换。理论分析表明，相较于传统文本型多智能体系统，LatentMAS 能以显著更低的复杂度实现更强的表达能力与无损信息保持。在涵盖数学科学推理、常识理解及代码生成等 9 项综合基准测试中，LatentMAS 持续优于强单模型及文本型多智能体基线，准确率最高提升 14.6%，输出 token 用量减少 70.8%-83.7%，端到端推理速度加快 4-4.3 倍。这些结果表明，新型潜在协作框架在提升系统级推理质量的同时，无需额外训练即可实现显著的效率增益。代码与数据已通过此链接全面开源：https://github.com/Gen-Verse/LatentMAS

[3] ToolOrchestra：通过高效的模型和工具编排提升智能

标题：ToolOrchestra: Elevating Intelligence via Efficient Model and Tool Orchestration

链接：https://www.arxiv.org/abs/2511.21689

作者：Hongjin Su, Shizhe Diao, Ximing Lu, Mingjie Liu, Jiacheng Xu, Xin Dong, Yonggan Fu, Peter Belcak, Hanrong Ye, Hongxu Yin, Yi Dong, Evelina Bakhturina, Tao Yu, Yejin Choi, Jan Kautz, Pavlo Molchanov

单位：英伟达、香港大学

摘要：

大语言模型是强大的通用系统，但在解决诸如「人类最后的考试」（HLE）这类深度复杂问题时，仍面临概念性挑战与高昂计算成本。研究表明，通过小型调度模型协调其他模型及多样化工具，既能提升智能水平上限，又可提高复杂智能体任务的解决效率。为此，研究者提出 ToolOrchestra 方法，专门用于训练可协调智能工具的小型调度模型。该方法采用强化学习框架，显式融合结果导向、效率感知及用户偏好的多维度奖励机制。基于此训练的 8B 参数调度模型 Orchestrator，在保证用户工具使用偏好的前提下，以更低成本实现比以往工具调用智能体更高的准确率。在 HLE 测试中，Orchestrator 获得 37.1% 的得分，超越 GPT-5（35.1%）且效率提升 2.5 倍；在 tau2-Bench 与 FRAMES 基准上，该模型以约 30% 的成本显著领先 GPT-5。深入分析表明，Orchestrator 在多项指标下均实现性能与成本的最佳平衡，并对未见过工具展现出强大泛化能力。这些结果证明，通过轻量级调度模型组合多样化工具，比现有方法更具效率与效能优势，为构建实用可扩展的工具增强推理系统开辟了新路径。

[4] CLaRa：利用连续隐式推理连接检索和生成

标题：CLaRa: Bridging Retrieval and Generation with Continuous Latent Reasoning

链接：https://www.arxiv.org/abs/2511.18659

作者：Jie He, Richard He Bai, Sinead Williamson, Jeff Z. Pan, Navdeep Jaitly, Yizhe Zhang

单位：Apple、爱丁堡大学

摘要：

检索增强生成（RAG）通过引入外部知识增强大语言模型能力，但仍面临长上下文处理困难及检索与生成环节优化割裂的问题。本研究提出连续隐式推理（CLaRa）框架，通过在共享连续空间内实现基于嵌入的语义压缩与联合优化来突破这些限制。为获得语义丰富且可检索的压缩向量，研究团队开发了 SCP 框架——一种通过问答与复述监督实现关键信息保持的数据合成方法。CLaRa 通过单一语言建模损失函数对重排序器与生成器进行端到端训练，并利用可微分 top-k 估计器实现双模块的梯度传导。理论分析表明，这种联合优化机制能使检索相关性与答案质量达成对齐。在多项问答基准测试中的实验证明，CLaRa 在压缩与重排序性能方面达到最优水平，其表现甚至经常超越基于文本的微调基线模型。

意识科学 每周速递

[1] 推进意识科学：从伦理到临床护理

标题：Advancing the science of consciousness: from ethics to clinical care

链接：https://www.sciencedirect.com/science/article/pii/S0149763425004981

作者：Michele Farisco, Kathinka Evers, Jitka Annen, Veronique Blandin, Alessandra Camassa, Benedetta Cecconi, Vanessa Charland, Gustavo Deco, Olivia Gosseries, Steven Laureys, Arnau Manasanch Berengué, Marcello Massimini, Lars F. Muckli, Rajanikant Panda, Cyriel Pennartz, Andrea Pigorini, Melody Torao, Maria V. Sanchez-Vives, Jennifer Goldman, Gorka Zamora-Lopez

单位：乌普萨拉大学、列日大学、根特大学等

摘要：

意识神经生物学的科学研究虽取得显著进展，但其向临床实践的转化仍较为缓慢，这主要受限于缺乏普遍共识的工作定义（如：何为意识？）与方法论框架（如：如何识别可靠意识生物标志物/指标？如何提升意识技术识别的敏感性与特异性？）。本文旨在提出针对性策略，以缩小意识障碍领域的基础研究、临床实践与患者及其照护者需求之间的差距。通过采用多学科（涵盖不同专业领域）与多视角（纳入不同利益相关方）的研究方法，本文聚焦于意识障碍问题：首先综述了基于脑活动的最具潜力的意识测量方法（包括电生理与频谱测量、功能连接测量及基于复杂度的测量指标），继而引入幻觉脑响应作为潜在的新型意识指标（即能够促进意识归因的特征），并通过虚拟现实案例阐释意识指标在临床操作化的可能路径。最后，本文系统分析了一系列紧迫的伦理问题，提出相应的评估与应对模型，最终通过制定关键建议，推动研究成果向临床的更好转化，以提升意识障碍患者的临床治疗水平。

[2] 人类生命周期中的拓扑转折点

标题：Topological turning points across the human lifespan

链接：https://www.nature.com/articles/s41467-025-65974-8

作者：Alexa Mousley, Richard A. I. Bethlehem, Fang-Cheng Yeh & Duncan E. Astle

单位：剑桥大学、匹兹堡大学

摘要：

结构拓扑网络在人类生命周期中呈现非线性发展模式，且与认知轨迹密切相关。本研究整合了年龄跨度为 0 至 90 岁的扩散磁共振影像数据集（N=4,216），通过分析 12 项图论指标随年龄的变化规律，并采用均匀流形投影与逼近方法将数据映射至流形空间。基于流形分析，作者识别出生命周期中四个关键拓扑转折点——约9岁、32岁、66岁和83岁。这些年龄节点界定了五个主要的拓扑发展阶段，每个阶段均表现出独特的年龄相关拓扑变化特征。各生命阶段不仅具有差异化的拓扑发展方向，其驱动年龄-拓扑关系的组织属性也呈现特异性演变。此项研究揭示了人类发展的复杂非线性本质，强调了唯有通过多变量、全生命周期及群体水平的研究视角，才能完整阐释拓扑网络成熟的独特阶段性特征。

[3] 从生成式人工智能到大脑：五大要点

标题：From generative AI to the brain: five takeaways

链接：https://www.frontiersin.org/journals/computational-neuroscience/articles/10.3389/fncom.2025.1718778/full

作者：Claudius Gros

单位：歌德大学

摘要：

生成式人工智能取得的重大进展并非基于晦涩难解的算法，而是源于清晰定义的生成原则。这些原则所催生的具体实现已在大量应用场景中得到验证。研究者认为，必须深入探究这些生成原则中有哪些同样适用于大脑运作机制，从而对认知神经科学产生影响。此外，机器学习研究衍生出一系列关于神经信息处理系统的有趣特征。本文通过五个典型案例——世界建模的局限性、思维过程的生成机制、注意力机制、神经缩放定律与量化处理，阐释了神经科学可从机器学习研究中获得的深刻启示。

[4] 意识障碍中电生理元状态动力学的改变

标题：Altered electrophysiological meta-state dynamics in disorders of consciousness

链接：https://www.sciencedirect.com/science/article/pii/S1053811925005221

作者：Pablo Núñez, Prejaas Tewarie, Víctor Rodríguez-González, Naji L.N. Alnagger, Glenn J.M. van der Lande, Marie M. Vitello, Paolo Cardone, Aurore Thibaut, Laouen Belloli, Steven Laureys, Jacobo D. Sitt, Jitka Annen, Olivia Gosseries

单位：列日大学、巴利亚多利德大学、特温特大学等

摘要：

本研究通过多中心合作，旨在探索意识障碍患者——包括无反应觉醒综合征和最小意识状态——大脑活动模式的差异。基于 368 名意识障碍患者、39 名脱离最小意识状态者及 73 名健康对照的高密度脑电图记录，作者通过社区检测算法与递归分析，提取了作为动力系统中吸引子的瞬时功能连接元状态。研究分析涵盖两个患者队列，在 δ、θ、α、β 四个频段中采集静息态与听觉处理任务数据，并从三个维度展开：（i）主导状态的离散激活特征；（ii）由吸引子状态构成的动力系统；（iii）活跃状态的正反相关性模式。研究发现，尽管脑连接整体结构在损伤后保持稳定，但意识障碍患者与脱离最小意识状态者在脑状态激活的速度与一致性上存在显著差异。具体而言，在高频波段中，无反应觉醒综合征患者相较于最小意识状态及脱离最小意识状态者，表现出更快且更不稳定的动力学特征、更短的驻留时间以及元状态反相关性减弱。此外，四维联合学习分类分析表明，这些测量指标能够有效区分无反应觉醒综合征与最小意识状态亚组。这些脑状态动力学特征可作为评估意识状态的重要标志。研究结果凸显了利用高时间分辨率的动态脑活动模式，深化对意识改变机制的理解并推动其临床应用的潜力。

Mindverse Research

心识研究院

心识浩渺连广宇

心识宇宙研究院，致力于在即将到来的元宇宙数字时代，研究和创造真正等价于人类意识水平的数字生命，目前已经综合多种研究进路和方法规划出一条通向AGI和人工意识的道路。在后续内容运营上，我们也会介绍和创造更多有关人工智能、意识科学、元宇宙方面最新的研究成果和原创内容。

欢迎有志者关注和加入我们的研究！