Zhiqian Xia, Jielong Tang, Ling-An Zeng, Shixiong Kai, Rong Yao, Hao Kong, Xiao Dong, Wei Wang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.29671 · open-access PDF
La mémoire d'agent à long terme passe des flux de travail prédéfinis vers des politiques appréhensibles pour la construction et la récupération de mémoire. Les méthodes existantes basées sur l'apprentissage optimisent soit la construction seule, soit combinent l'apprentissage du renforcement en ligne du côté de la récupération (RL) avec la supervision de la construction hors ligne, limitant la co-adaptation entre les deux étapes. Dans ce document, nous explorons la RL en ligne de bout en bout pour un gestionnaire de mémoire unifié (Uni-Mem) qui apprend les deux capacités dans le cadre d'une politique partagée. Cependant, l'optimisation conjointe avec les algorithmes RL existants tels que GRPO fait face à des compara
Machine translation (Meta M2M100); the English original follows.
Long-term agent memory is shifting from predefined workflows toward learnable policies for memory construction and retrieval. Existing learning-based methods either optimize construction alone or combine retrieval-side online reinforcement learning (RL) with offline construction supervision, limiting co-adaptation between the two stages. In this paper, we explore end-to-end online RL for a unified memory manager (Uni-Mem) that learns both capabilities under a shared policy. However, joint optimization with existing RL algorithms such as GRPO faces confounded group comparisons and sparse feedba
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29671, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange