总览 / 概念 / MemReader: 从被动到主动的记忆提取
↗ 源 Markdown
概念
memory agent grpo react long-term extraction
创建2026-04-15
更新2026-04-15
阅读量级1 分钟
来源2604.07877
概念导读

记忆提取从 被动转录 (one-shot transcription) 转向 主动决策 (reasoning-driven selective extraction)。

  1. 核心转变
  2. 两个模型
  3. MemReader-0.6B
  4. MemReader-4B
  5. 训练 Pipeline
  6. 结果
  7. 意义
  8. Related

MemReader: 主动式 Agent 记忆提取

核心转变

记忆提取从 被动转录 (one-shot transcription) 转向 主动决策 (reasoning-driven selective extraction)。

两个模型

MemReader-0.6B

  • 轻量级被动提取器
  • 蒸馏自大模型，低成本高效率
  • 适合结构化提取、低延迟场景

MemReader-4B

  • 主动提取器，用 GRPO 训练
  • ReAct 式决策：评估信息价值 → 参考歧义 → 完整性判断
  • 操作：选择性写入 / 推迟不完整输入 / 检索历史 / 丢弃噪声

训练 Pipeline

SFT → DPO → GRPO 多阶段训练： - Protocol compliance (SFT) - Reasoning quality (DPO) - Memory accuracy + multi-level reward shaping (GRPO)

结果

  • LOCOMO / LongMemEval / HaluMem 上全面超越 baseline
  • 特别是 knowledge updating 和 temporal reasoning 任务
  • 已部署在 MemOS 实际产品中

意义

  • "写什么记忆"本身需要推理，不是简单的信息抽取
  • GRPO 在记忆管理决策上的应用是新颖的