Collaborative Memory for Multi-Agent VLM Systems

该工作为视觉语言代理共享跨图像区域、视频帧和视觉表示的记忆，重点不是堆叠对话，而是让不同代理在视觉粒度上写入和检索可复用状态。这样能减少重复编码并支撑跨帧协作，但也把一致性、容量和旧视觉证据失效的问题带到记忆层；摘要给出的贡献主要是组织与访问机制，而非单一模型升级。