arXiv · cs.AI· Chinmay Savadikar, Zhaoyu Zhang, Mingyu Zhao, Shuang Xie, Han Li, Tianfu Wu, Lingyun Wang·· 2 天前
AMBER：通过仅追加记忆训练长程网页智能体
AMBER: Training Long-Horizon Web Agents through Append-Only Memory
arXiv:2610.07118v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chinmay Savadikar, Zhaoyu Zhang, Mingyu Zhao, Shuang Xie, Han Li, Tianfu Wu, Lingyun Wang
研究任务与主要进展
AMBER提出一种仅追加记忆框架，使网页 Agent 联合学习推理、行动和自由形式记忆，并通过规则保证记忆内容不被覆盖。论文摘要称，该方法无需大量精监督 SFT 数据即可用结果奖励进行端到端强化学习，在 WebArena Lite 上相较覆盖式记忆将平均成功率提高4.09个百分点、五次重复运行均解决的任务比例提高4.8个百分点，同时匹配使用更昂贵精监督训练的覆盖式基线。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org