提出用信息价值统一解决记忆检索与信用分配

Daniel Strauss 等在 arXiv 论文（2610.40030，已被 CoRL 2026 机器人基础模型记忆 Workshop 接收）中提出，强化学习记忆中的检索成本与信用分配可由同一个量——信息价值——统一刻画，并通过学习到的世界模型从存档 rollout 中估计。 该量在读观测时给出获取动作最优值的可证下界，从而抬高 TD target 并归因到相应观测；在读决策时定义最优检索集。论文称，基于此信号的试点检索系统在更短的上下文下完成了一个记忆任务。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。