论文提出用信息价值统一强化学习记忆检索与信用分配

Daniel Strauß 在一篇被 CoRL 2026 机器人记忆工作坊收录的 arXiv 论文中提出，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个量——信息价值统一刻画，并给出用学习到的世界模型从存档 rollout 估计该量的方法。论文称，在观察处读取该量时，可得到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，它定义最优检索集。一个用该信号训练的试点检索系统以更短上下文解决了记忆任务。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。