一句话定位

以任务成功反馈学习 query-specific memory assembly,而不只按语义相似度召回。

研究问题与动机

找到语义相关条目并不能保证有用,呈现哪些、多少以及什么顺序都会影响下游行动。

方法与机制

composer 联合读取 query 与候选经验,决定选择/数量/排序;ExPO 为 GRPO 型训练,经过完整 agent interaction 获取任务奖励,executor 保持冻结。

证据与结果

摘要在 τ²-bench 的多领域和两个 executor 上比较表现与 memory token 用量,并报告迁移;正文需核验 memory bank、训练/测试和成本口径。

当前卡片依据 2026-10-24 的 arXiv 摘要与元数据;作者结论不等于独立复现。原始摘要和版本信息保存在一手来源快照。

局限与开放问题

composer 本身有训练与推理成本;需测试错误记忆、重复经验和领域偏移,并分离数量与排序收益。

关联与拓展

核验与阅读

  • [x] 原始标题、作者、日期及摘要回查 arXiv
  • [ ] 全文方法、结果表格、统计和成本协议逐项核验
  • [ ] 代码可复现性与独立复现
  • 一手来源