GMR训练目标在事实首次引入时记录模型对正确答案的长度归一化对数似然作为锚点，后续记忆更新后若得分低于锚点超过容忍边界则施加惩罚，保留损失公式为L_ret = (1/B) * sum_f max(0, anchor_f - margin - current_score_f)。