从一个量完成低成本检索与观察信用分配：信息价值

这篇 CoRL 2026 机器人记忆工作坊收录的 arXiv 论文提出，强化学习记忆中的检索成本与信用分配两个问题可由同一量——信息价值统一刻画，并给出用学习到的世界模型从存档 rollout 估计它的方法。作者证明该量在观察处读取时给出获取动作最优值的可证下界，能抬高 TD target 并将信用归于对应观察；在决策处读取时定义最优检索集。一个试点检索系统在该信号训练下以更短上下文解决记忆任务。