VerMem：以局部和全局验证器统一学习Agent记忆管理

大语言模型（LLM）代理必须保留可重用信息，控制受限制的主动上下文，并在长时间跨度的交互中恢复早期证据。现有方法通常单独优化长期记忆（LTM）和短期记忆（STM），而统一策略往往主要通过轨迹级反馈进行训练，这为个体记忆决策提供了弱信用。我们提出了可验证记忆（VerMem），这是一个框架，将LTM、主动上下文和递归历史作为独立状态，并用一个记忆操作策略控制它们。七个原子操作允许政策添加、修订或软删除LTM条目；检索LTM到主动上下文；过滤或总结主动上下文；以及恢复选定的递归片段。VerMem由监督微调初始化，并通过三个阶段强化学习课程进行训练。本地验证器评分可执行的记忆过渡，全局验证器在任务完成后评估证据一致性与终端记忆的一致性。这些分数通过层次化信用分配与程序化计算的任务、证据回忆、效率和约束信号相结合。验证器仅在训练期间使用。在五个基准测试和两个LLM后端上，VerMem在大多数报告的度量指标上取得最佳结果，并且始终优于强记忆基线。在三个交互性基准上的受控在线令牌预算下，它也取得了最强的效率-性能前沿。代码可在https://github.com/Sun-SYSU-24/VerMem处获得。