腾讯 Hy-Memory-30B-A3B：用强化学习训练长期记忆的「写入」
论文关注外部记忆系统中常被忽视的写入环节：保留什么、如何表示、新证据如何更新已有状态。作者提出 Hy-Memory-30B-A3B，在 Mem0、MemOS 和 Hy-Memory 三种框架上训练，先用记忆在线策略蒸馏学习各框架的写入协议，再用记忆强化学习以下游可回答性为目标优化。
要点
- 强化学习阶段使用逐块探针、跨块归因奖励、过度存储控制和块级 GRPO
- 在固定 20% 子样本的四个评测框架上均排名第一，包括留出的 EverMemOS
- 宏平均 55.49%，对比 Claude Opus 5 的 54.62%
为什么值得关注
为 Agent 记忆提供了「专门训练写入模型」的路线：用一个 3B 激活参数的模型承担记忆整理，可能比调用大模型更便宜。
来源
### [腾讯 Hy-Memory-30B-A3B：用强化学习训练长期记忆的「写入」]({{URL}})
论文关注外部记忆系统中常被忽视的写入环节：保留什么、如何表示、新证据如何更新已有状态。作者提出 Hy-Memory-30B-A3B，在 Mem0、MemOS 和 Hy-Memory 三种框架上训练，先用记忆在线策略蒸馏学习各框架的写入协议，再用记忆强化学习以下游可回答性为目标优化。
- 强化学习阶段使用逐块探针、跨块归因奖励、过度存储控制和块级 GRPO
- 在固定 20% 子样本的四个评测框架上均排名第一，包括留出的 EverMemOS
- 宏平均 55.49%，对比 Claude Opus 5 的 54.62%
**为什么值得关注**：为 Agent 记忆提供了「专门训练写入模型」的路线：用一个 3B 激活参数的模型承担记忆整理，可能比调用大模型更便宜。
来源：[Hy-Memory-30B-A3B: Attributed Reinforcement Learning for Long-Term Memory Writing](https://arxiv.org/abs/2610.22196)