ICML框架通过在线强化学习优化长对话记忆
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
新提出的ICML多智能体框架旨在解决长对话中静态记忆机制无法自适应的问题。该框架利用会话合成管道生成专家数据，并采用在线强化学习机制。其中，Planner智能体负责选择性编码高价值信息，Trigger智能体负责动态检索，两者通过延迟奖励机制协同进化，以优化响应质量。实验显示，该方法优于现有基线，且能随交互积累持续提升响应效果。
为什么值得看
提出将被动存档转变为可学习的交互式记忆策略，解决长对话记忆管理难题。
智能体强化学习对齐
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。