论文用任务反馈训练记忆组装策略，减少记忆 token 用量。
资讯摘要
论文提出 MemComposer，一种记忆组装器，它同时考察当前查询与检索到的候选记忆，决定纳入哪些经验、选取多少条以及如何排序。作者用基于 GRPO 的 Experience Policy Optimization（ExPO）训练该组装器，通过完整智能体交互和任务成功反馈优化组装策略。在 τ²-bench 三个领域、两个冻结执行器上，MemComposer 均优于各自最强基线，平均记忆 token 用量分别减少 16.9% 和 4.9%。
要点速读
- MemComposer 联合考察查询与候选记忆，决定选取内容、数量与顺序。
- 训练采用基于 GRPO 的 ExPO，以完整交互的任务成功反馈优化策略。
- 在 τ²-bench 三个领域、两个冻结执行器上优于最强基线，平均记忆 token 用量分别降低 16.9% 和 4.9%。
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 2026/10/28 08:00:17（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。