记忆不用设计、直接练出来：Uni-Mem 把建构与检索并成一个策略

智能体的长期记忆正在换范式：从工程师预设的固定流程，转向让模型自己学出「记什么、怎么取」的策略。10 月 21 日提交的 arXiv 论文 Uni-Mem（编号 2610.29671，十一位作者）把这一步推得更远——记忆的建构与检索，可以用同一个策略做端到端在线强化学习一起练。

此前的方法分两派：一派只优化记忆建构，检索端维持原样；另一派给检索端上在线 RL，建构端却靠离线监督兜着。两截分开的结果是，建构和检索没法共同适应——建构端按旧标准存的记忆，检索端新学出的取法未必接得住。Uni-Mem 的主张是干脆用一个共享策略同时学两种能力，下游答题效果直接当奖励信号。 想法直接，落地却有两个坑。一是把 GRPO 这类组比较算法直接搬过来，组内比较会被另一个阶段的变化污染——你分不清分数波动是建构改了还是检索改了；二是记忆管理轨迹拉得很长，反馈稀疏。论文对症下了两味药：Stage-Decoupled GRPO 让建构与检索交替优化，每个 rollout 组内控制住另一阶段带来的变化，保证学习信号各自干净；Event-Wise Credit Assignment 把反馈定位到该负责的具体事件，再把事件级优势传回组成它的各步操作，稀疏回报从此有了记账单位。

成绩在 LoCoMo 与 LongMemEval 两个长程记忆基准上超过表现最好的 RL 记忆方法（论文口径）。放在近一个月的记忆赛题里看，这篇与 2090 期写过的 SPEM（用技能图谱组织复用）、2091 期写过的 WorkflowOps（记协作先验）构成三条不同的路：那两篇靠架构设计把记忆装进结构里，Uni-Mem 则主张结构本身也可以是练出来的。谁对谁错现在下不了结论，但「记忆管理器」正从一个工程组件变成一个可训练对象，这个趋势已经相当清楚。局限在于论文实验集中在问答类任务，记忆策略迁移到工具调用密集的执行场景是否同样有效，目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。