MemFactory：代理内存的统一推理和训练框架

记忆增强型 大语言模型 (LLM) 对于开发功能强大的长期 AI 代理至关重要。最近，应用强化学习（RL）来优化提取、更新和检索等记忆操作，已成为一个非常有前途的研究方向。然而，现有的实施仍然高度分散且特定于任务，缺乏统一的基础设施来简化这些复杂管道的集成、训练和评估。为了解决这一差距，我们推出了 MemFactory，这是第一个专门为记忆增强代理设计的统一、高度模块化的训练和推理框架。受到 LLaMA-Factory 等统一 微调 框架成功的启发，MemFactory 将内存生命周期抽象为原子、即插即用组件，使研究人员能够通过“乐高式”架构无缝构建自定义内存代理。此外，该框架本身集成了组相对策略优化（GRPO），以微调由多维环境奖励驱动的内存管理策略。 MemFactory 为最新的前沿范例提供开箱即用的支持，包括 Memory-R1、RMM 和 MemAgent。我们使用公开的训练和评估数据在开源 MemAgent 架构上对 MemFactory 进行实证验证。在整个评估集上，MemFactory 平均比相应的基础模型提高了性能，相对增益高达 14.8%。通过提供标准化、可扩展且易于使用的基础设施，MemFactory 显着降低了进入门槛，为内存驱动的 AI 代理的未来创新铺平了道路。