arXiv · NLP· Zhiqian Xia, Jielong Tang, Ling-An Zeng, Shixiong Kai, Rong Yao, Hao Kong, Xiao Dong, Wei Wang, Mingxuan Yuan, Siyu Xia, Haifeng Xia·· 17 小时前AI 评分28
Uni-Mem 提出 Stage-Decoupled GRPO 与 ECA 统一优化长期智能体记忆管理
Uni-Mem: Learning a Long-Horizon Agentic Memory Manager with Unified Online Policy Optimization
AI 导读
Uni-Mem 通过 Stage-Decoupled GRPO 和 ECA 实现记忆构建与检索的端到端在线强化学习优化。 Stage-Decoupled GRPO 交替优化不同阶段并控制跨阶段变化；ECA 将反馈定位至相关事件并传播事件级优势。 在 LoCoMo 和 LongMemEval 实验中，该方法性能优于最强的基于强化学习的记忆系统。 ```
来源：arXiv · NLP · arxiv.org