arXiv cs.AI· Yupeng Han, Kai Zhang, Shuochen Liu, Ze Liu, Xianquan Wang, Zhihong Pan, Xiangyu Zhao, Qi Liu, Enhong Chen·· 10 小时前AI 评分31
Personalized Memory Rubrics（PMR）：通过评分标准引导的信用分配学习每位用户该记住什么
Personalized Memory Rubrics: Learning What to Remember per User via Rubric-Guided Credit Assignment
AI 导读
研究者提出 Personalized Memory Rubrics（PMR）框架，将终端问答反馈转化为细粒度、逐步、按用户的信用分配，解决长期个性化智能体记忆更新策略的学习难题。
正文 · AI 翻译
摘要：长时程个性化智能体通过持续决定添加、修改或丢弃哪些内容来维护不断演化的记忆。然而，学习最优的更新策略仍然具有挑战性。传统训练仅依赖最终问答准确率，产生的反馈信号较为粗糙，将所有中间更新一视同仁。此外，更新效用本质上因用户而异，因为相同的记忆操作在不同用户画像上可能产生相反的效果。现有方法未能处理这种异质性，依赖全局共享的评估标准，至多提供单一标量的中间奖励。为应对这些挑战，我们提出 \textbf{Personalized Memory Rubrics}（\textbf{PMR}），一个将最终反馈转化为细粒度、逐步且按用户区分的信用分配的框架。PMR 将评估分解为一个捕捉跨画像失败模式的通用层，以及一个将个体特征建模为通用基线之上专门增量的按用户自适应层。通过 \textbf{Rubric-Guided Credit Assignment}，PMR 在 token 级别重新分配信用，在成功轨迹上选择性地放大已验证的决策，而在失败轨迹上回退到标准策略优化，以避免不可靠的归因。评分标准与记忆策略在闭环中\textbf{共同演化}，并具有防循环保证。关键在于，PMR 不产生任何推理开销，部署期间无需任何评分标准或外部评判器。在四个基准上的大量实验表明，相较强大的记忆增强基线，PMR 取得了一致的提升。
| 评论： | WSDM 2027 主会议 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.14017 [cs.AI] |
| （或 arXiv:2611.14017v1 [cs.AI] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.14017 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yupeng Han [查看邮箱]
[v1]
2026年11月10日 星期二 12:52:13 UTC（2,105 KB）
来源：arXiv cs.AI · arxiv.org