PulseAugur
中
实时 05:28:58
实体 Stage-Decoupled GRPO

Stage-Decoupled GRPO

PulseAugur coverage of Stage-Decoupled GRPO — every cluster mentioning Stage-Decoupled GRPO across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_315005 ·

    Uni-Mem系统通过新颖的RL方法学习代理记忆构建和检索

    研究人员开发了Uni-Mem，一个新颖的代理记忆管理系统，通过端到端的在线强化学习来学习记忆构建和检索。为了解决现有RL算法（如GRPO）在长时域任务中的挑战，他们引入了阶段解耦GRPO（Stage-Decoupled GRPO），该方法在控制变化的同时分别优化构建和检索阶段。此外，还提出了事件式信用分配（Event-Wise Credit Assignment, ECA）以将反馈精确到特定事件并传播优势。在LoCoMo和LongMe…