论文发布分层多智能体电商长程记忆基准 HiMA-Ecom 及方法 HiMA-R1。
资讯摘要
论文提出 HiMA-Ecom，一个面向分层多智能体电商助手的长程记忆基准，含 22.8K 个实例，其中 17.7K 在上下文中带有记忆条目，并提供智能体级监督微调数据与系统级监督，用于端到端多智能体强化学习。作者报告，基于该基准的 HiMA-R1 采用 VR-GRPO 控制轨迹上下文预算，并引入轨迹长度效率奖励与记忆演化机制；基于 3B 和 7B 开源模型的智能体平均追平 DeepSeek-R1、超过 DeepSeek-V3 6.0 分，奖励驱动的记忆使收敛所需更新步数减少约 55%。
要点速读
- HiMA-Ecom 含 22.8K 实例，其中 17.7K 在上下文中携带记忆条目，并配对智能体级 SFT 数据与系统级监督。
- HiMA-R1 使用 VR-GRPO 沿初始轨迹采样，使采样成本随轨迹长度加性增长，并优先更新奖励方差最大的智能体。
- 作者报告 3B/7B 开源模型智能体平均追平 DeepSeek-R1、超 DeepSeek-V3 6.0 分，记忆机制使收敛更新步数减少约 55%。
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 2026/10/29 08:00:21（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。