CoReMem
一种面向编程智能体的记忆增强框架,通过前瞻性片段估值和演员适配机制,将记忆成本内部化,提升连续任务中的解决率与效率。
时间轴 (近 90 天)
CoReMem通过前瞻性片段估值(prospective segment valuation)来量化每一段轨迹对下一个任务的实际价值,方法是在相同继承仓库状态下对比有该轨迹片段和无该轨迹片段两种情况下执行下一个任务的表现差异。
CoReMem引导构建一种围绕锚点(anchors)组织的紧凑记忆结构,锚点包括仓库位置和可执行检查。
CoReMem的演员适配(actor adaptation)机制在rollout组内估计on-policy记忆价值,对比有记忆和无记忆两种情况下的表现。
CoReMem的奖励设计优先考虑问题解决率,同时对成功运行中的步数进行惩罚。
CoReMem采用溯源门控价值信用(provenance-gated value credit),额外的那部分价值项只分配给被识别为使用了记忆提供的锚点的步骤,而每一步仍然保留结果信用。
在ChainSWE基准上,CoReMem让一个27B参数的演员模型将解决率从21.0%提升到25.7%。
在ChainSWE基准上,相对于未训练且无记忆的演员模型,CoReMem使总步数减少了17%,缓存感知的总token数减少了11%,且已包含记忆模块调用的开销。
CoReMem的贡献在于建立了一套用下游任务表现来反向指导记忆设计的框架,使记忆成为可以被估值、被选择、被训练的动态组件。
全部知识事实 (8)
CoReMem通过前瞻性片段估值(prospective segment valuation)来量化每一段轨迹对下一个任务的实际价值,方法是在相同继承仓库状态下对比有该轨迹片段和无该轨迹片段两种情况下执行下一个任务的表现差异。
50%待验证CoReMem引导构建一种围绕锚点(anchors)组织的紧凑记忆结构,锚点包括仓库位置和可执行检查。
50%待验证CoReMem的演员适配(actor adaptation)机制在rollout组内估计on-policy记忆价值,对比有记忆和无记忆两种情况下的表现。
50%待验证CoReMem的奖励设计优先考虑问题解决率,同时对成功运行中的步数进行惩罚。
50%待验证CoReMem采用溯源门控价值信用(provenance-gated value credit),额外的那部分价值项只分配给被识别为使用了记忆提供的锚点的步骤,而每一步仍然保留结果信用。
50%待验证在ChainSWE基准上,CoReMem让一个27B参数的演员模型将解决率从21.0%提升到25.7%。
50%待验证在ChainSWE基准上,相对于未训练且无记忆的演员模型,CoReMem使总步数减少了17%,缓存感知的总token数减少了11%,且已包含记忆模块调用的开销。
50%待验证CoReMem的贡献在于建立了一套用下游任务表现来反向指导记忆设计的框架,使记忆成为可以被估值、被选择、被训练的动态组件。
50%