MemReward：用图经验记忆为未标注rollout传播奖励
热点事件持续更新
MemReward：用图经验记忆为未标注rollout传播奖励
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究团队在 arXiv 发布论文提出 MemReward，一种基于图的经验记忆方法：把查询、思考过程和答案存为异构图节点，用 GNN 在在线策略优化中向未标注 rollout 传播奖励，论文已被 NeurIPS 2026 接收。根据论文，在仅有 20% rollout 有真实奖励标注的条件下，MemReward 在 Qwen2.5-1.5B 上达到全监督训练（Oracle）性能的 96.6%，在 Qwen2.5-3B 上达到 97.3%。该方法在数学、问答和代码生成等 13 个带可验证奖励的基准上进行了评估。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
MemReward：基于图的经验记忆助力 LLM 奖励预测，标签受限也能高效 RL 微调报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIMemReward：基于图的经验记忆助力 LLM 奖励预测，标签受限也能高效 RL 微调
MemReward 是一种基于图的经验记忆方法，在在线策略优化中把奖励传播到未标注 rollout：将查询、思考过程和答案存为异构图节点，用 GNN 预测未标注样本的奖励。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。