MemHarness：記憶是重構而非重播
為何重要
放棄單純的「回放」邏輯，轉而採用「重構」記憶的思維，能更精準地縮小 AI 儲存的抽象知識與當前具體情境的落差，有助於消除負向遷移的幹擾。此研究成果雖目前仍屬學術基礎，但揭示了讓智慧體具備「情境感知」記憶過濾機制的關鍵技術路徑。
現有的 LLM 智慧體大多將檢索到的過去經驗視為靜態記錄進行精確回放，導致經驗與當前狀況脫節，常引發負向遷移。<br>- MemHarness 透過統一的政策模型根據當前狀態對檢索到的經驗進行批判與重構，以產生貼合當前語境的指引。<br>- 模型採用 GRPO 進行端到端訓練，使記憶重構能力自然產生。<br>- 在 ALFWorld 和 WebShop 集合上的測試顯示，MemHarness 的表現顯著優於純 RL 和靜態記憶增強的基準模型。