论文比较四种记忆辅助目标，并主张评估错误持续性。
资讯摘要
论文提出KEEPER，在共享递归接口下沿信息含量与更新敏感度两个维度比较四种辅助目标，考察监督目标与智能体表现的关系。作者报告，奖励相关预测在离线强化学习前后任务表现最高，优于联合监督；对一条基线轨迹的声明级分析显示，即使出现纠正性观察，错误仍会持续存在。论文据此提出，除任务结果外还应评估错误持续性与有效信息保留。
要点速读
- 论文定义“自洽性偏差”，指传入记忆中已有错误主张的持续存在。
- 作者报告奖励相关预测在离线强化学习前后任务表现最高，优于联合监督。
- 对一条基线轨迹的声明级分析记录了纠正性观察下错误仍持续的现象。
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 2026/11/3 08:00:27（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。