★ 3
All-in-One Memory：过程奖励强化学习优化记忆智能体
论文提出 AiO-Mem，将检索、记忆写入与停止决策统一到共享证据状态上的转移过程，并在统一奖励空间中评估每个动作的语义质量。方法用轨迹条件过程奖励模型打分，并通过 Process-Aligned DAPO 优化记忆策略。在长上下文记忆基准上持续提升答案准确率。
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 AiO-Mem，将检索、记忆写入与停止决策统一到共享证据状态上的转移过程，并在统一奖励空间中评估每个动作的语义质量。方法用轨迹条件过程奖励模型打分，并通过 Process-Aligned DAPO 优化记忆策略。在长上下文记忆基准上持续提升答案准确率。