论文用统一在线 RL 联合学习记忆构建与检索，并在两个基准上报告优于最强 RL 记忆方法。
资讯摘要
论文提出 Uni-Mem，用端到端在线强化学习训练统一的记忆管理器，让记忆构建与检索在共享策略下共同学习。针对 GRPO 等算法在长程记忆管理轨迹上存在混淆组比较与反馈稀疏的问题，作者提出 Stage-Decoupled GRPO 交替优化两个阶段，并引入 Event-Wise Credit Assignment 将反馈定位到具体事件。在 LoCoMo 与 LongMemEval 上，作者报告 Uni-Mem 优于最强的基于 RL 的记忆方法。
要点速读
- 论文提出 Uni-Mem，以端到端在线 RL 在共享策略下同时学习记忆构建与检索。
- 提出 Stage-Decoupled GRPO，交替优化构建与检索并控制另一阶段带来的变化；另提出 Event-Wise Credit Assignment，将反馈定位到事件并传播到其组成操作。
- 作者报告在 LoCoMo 和 LongMemEval 上，Uni-Mem 优于最强的基于 RL 的记忆方法。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。