★ 3
MemComposer：强化学习为 LLM 智能体组装记忆
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…
arXiv cs.AI17 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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…