Hindsight Memory-PRM：利用可审计的事后信用来监督内存管理

长视野 LLM 代理的内存操作很难监督：操作的值在执行时是不可观察的。但它们很特别——它们在轨迹中留下了机器可读的证据：检索命中和回答时引用。 Hindsight Memory-PRM 两次利用这种审计跟踪：离线训练一个以操作为条件的记忆效用评论家，在线，检索、引用和每个探测的一个受控删除和重新回答确定了干预校准的入门级存在信用，沿着版本链传播作为操作级代理奖励——没有每个操作的人工标签，没有延续的蒙特卡洛重放。在保留的 LoCoMo 上，本地 8B 策略在固定共享读取器下达到 77.5%，超过其 API 教师 (65.1%) 和所有复制的外部系统，是 Mem0 官方操作点环境的八分之一；在 LongMemEval 上，79.0%。消融将增益归因于因果校准而不是信号密度，并且策略收敛到多版本存储器组织，其增益没有经过测试的开环基线再现。