arXiv cs.CL· Jiangze Yan, Yi Shen, Wenjing Zhang, Jieyun Huang, Ping Chen, Zhaoxiang Liu, Ning Wang, Kai Wang, Shiguo Lian·· 5 小时前AI 评分22
HiMPO：面向长时程智能体的后见信息记忆策略优化
HiMPO: Hindsight-Informed Memory Policy Optimization for Less-Entangled Credit in Long-Horizon Agents
AI 导读
研究者提出 HiMPO，一种后见信息记忆策略优化框架，在轨迹级强化学习之外为记忆写入单独分配信用，通过比较更新前后记忆下目标答案的对数似然并配合基于组相对后见相关性的软门控来加权局部效用优势。在 Local Wiki Search 上，HiMPO 的平均 F1 和精确匹配分别比 MemPO 提升 2.6 和 2.2 个百分点，同时保持压缩上下文效率。
来源：arXiv cs.CL · arxiv.org