MemComposer：强化学习为 LLM 智能体组装记忆
原文标题：MemComposer: Learning to Assemble Memories for LLM Agents via Reinforcement Learning
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 MemComposer，通过联合考察当前查询与检索候选，决定纳入哪些记忆、选多少条以及如何排序。训练采用基于 GRPO 的 Experience Policy Optimization（ExPO），以完整智能体交互的任务成功反馈优化组装策略。在三个 τ²-bench 域上超越最强基线，并分别降低平均记忆 token 用量 16.9% 与 4.9%，且可迁移到未见域、执行器与记忆库。
- 问题
- 语义相似度不能保证记忆有用，记忆如何选取、取几条、怎么排序影响下游表现。
- 方法
- MemComposer联合考察查询与候选记忆决定组装方式，用基于GRPO的ExPO以完整交互的任务成功反馈训练策略。
- 结果
- 三个τ²-bench域上超越各执行器最强基线，平均记忆token用量分别降低16.9%与4.9%，并可迁移到未见域。
- 影响
- 记忆组装可学习且能省token，直接降低长对话智能体的上下文成本并提升任务成功率。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MemComposer 用 GRPO 类 ExPO 训练记忆组装，τ²-bench 三域超越最强基线并省 16.9% 记忆 token。
- •联合考察当前查询与检索候选，决定纳入哪些记忆、选多少条以及如何排序。
- •训练采用基于 GRPO 的 Experience Policy Optimization（ExPO），以完整智能体交互的任务成功反馈优化组装策略。
- •在三个 τ²-bench 域、两个冻结执行器上均超越各自最强基线，平均记忆 token 用量分别降低 16.9% 与 4.9%。
- •学到的策略可迁移到未见域、执行器与记忆库，并能受益于更强模型生成的记忆而无需再训练。
为什么重要：语义相似不等于记忆有用，MemComposer 证明用下游任务反馈学习查询特定的记忆组装更有效，对做智能体记忆检索的团队有直接价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。