arXiv cs.CL· Tianxiang Fei, Jiazheng Kang, Mao Zheng, Xingyan He, Xiang Yu·· 2 天前AI 评分34
Hy-Memory-30B-A3B：面向长期记忆写入的归因强化学习
Hy-Memory-30B-A3B: Attributed Reinforcement Learning for Long-Term Memory Writing
AI 导读
研究团队提出 Hy-Memory-30B-A3B，一个跨 Mem0、MemOS 和 Hy-Memory 训练的紧凑型长期记忆写入模型，通过 Memory On-Policy Distillation 学习各框架写入协议，再用 Memory RL 结合分块探针、跨块归因奖励与 chunk 级 GRPO 优化下游可答性。
正文 · AI 翻译
摘要：外部记忆系统将语言模型应用扩展到上下文窗口之外，但其质量关键取决于模型执行写入路径：决定保留什么、如何精确表示，以及新证据应如何更新持久状态。现有框架通常将通用大语言模型置于框架特定的提示词之后。这提高了服务成本，而为一种协议专门训练的写入器无法直接迁移到另一种协议；一个能够跨既有记忆框架运行的统一模型在很大程度上仍未被探索。我们提出 Hy-Memory-30B-A3B，一个紧凑的长期记忆写入器，在 Mem0、MemOS 和 Hy-Memory 上训练。Memory On-Policy Distillation 在学生生成的状態上教授框架特定的写入协议；Memory RL 随后使用密集的逐块探测、归因的跨块奖励、过度存储控制和块级 GRPO 来优化下游可回答性。跨窗口携带策略写入的记忆库使训练与部署保持一致。在固定的 20% 基准子样本上，Hy-Memory-30B-A3B 在所有四个评估测试框架上排名第一，包括留出的 EverMemOS，宏观平均为 55.49%，而 Claude Opus 5 为 54.62%。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.22196 [cs.CL] |
| （或 arXiv:2610.22196v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22196 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tianxiang Fei [查看电子邮件]
[v1]
2026年10月15日星期四 16:46:47 UTC（699 KB）
来源：arXiv cs.CL · arxiv.org