Newest papers

Uni-Mem: Learning a Long-Horizon Agentic Memory Manager with Unified Online Policy Optimization

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

Russian

Долгосрочная память агента переходит от заранее определенных рабочих процессов к обучаемым политикам по созданию и восстановлению памяти. Существующие методы, основанные на обучении, либо оптимизируют строительство в одиночку, либо сочетают онлайн-обучение по укреплению на стороне восстановления (RL) с офлайн-контролем строительства, ограничивая совместную адаптацию между двумя этапами. В этой статье мы исследуем онлайн-релизный RL для унифицированного менеджера памяти (Uni-Mem), который изучает обе возможности в рамках общей политики.

Machine translation (Meta M2M100); the English original follows.

Abstract

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

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange