HiMPO：为长时程Agent记忆信用分配提出新方法

Jiangze Yan 等作者提出并发布 HiMPO（后见信息记忆策略优化）框架，试图解决长时程智能体强化学习中的信用分配问题：轨迹级强化学习会给记忆写入分配与任务成败纠缠在一起的信用，难以判断某条记忆是否真正有用。 HiMPO 的做法是在每次更新时固定其余写入前上下文，比较目标答案在旧记忆与新记忆下的 log-likelihood，从而为记忆补充专属信用，并用基于组相对后见相关性的软门控加权局部效用优势。 该框架以预印本形式发布在 arXiv 的 cs.LG 分类下。上述效果来自作者在论文中的自述，尚未见独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。