Gamma：面向记忆密集型操作、带机械式审计的视觉锚定多智能体记忆

基于摘要分析。本文研究机器人操作中依赖较早观测事件的记忆任务，提出 GAMMA，将视觉历史压缩为带空间锚定的文本记忆，再生成供 vision-language-action（VLA）策略执行的子目标；核心贡献是把记忆写入、推理和证据审计组织为协作系统，而非直接从长视频历史预测动作。 作者认为，预训练 VLA 的训练数据主要满足马尔可夫式条件，且情景记忆难以直接映射为动作片段。作者报告，同一策略经一次微调以遵循具有特权信息的 oracle 所提供的锚定子目标文本后，几乎能够解决这些任务，据此将主要瓶颈归于“记忆到符号子目标”的转换；这一归因的适用范围仍需全文实验支持。 GAMMA 使用 SAM-3 检测工具提供空间锚定，由 VLM 写入代理将每个重规划窗口提炼为一行文本，存入仅追加的记忆库；VLM 推理代理读取记忆，并按 oracle 的节奏输出下一子目标。系统还采用 propose-verify 流程，依据机械式视觉证据，对代理声明执行接受、暂缓、修正或拒绝，且该机制同时用于训练语料构建与部署。其与摘要所述单 VLM 方案的区别，在于显式分离记忆写入与推理，并对声明施加证据核验。 作者报告，在包含十六项任务的记忆操作评测中，保持动作策略固定时，GAMMA 恢复了 oracle 性能上限的较大部分，并在若干任务上达到该上限；此外，在保持模块间交互约定不变的条件下迁移至第二个基准。摘要未提供基准名称、具体指标、划分、成功率、计算成本或误差范围，实验协议、消融及统计信息尚未验证。本文主要对象是机器人操作，摘要未提供 EEG 或 BCI 验证，不能据此推断神经信号任务中的有效性。