联通数据智能有限公司

本发明属于智能体训练的技术领域，特别涉及一种长时序智能体的记忆策略优化方法、设备、介质和程序产品。本申请通过一种长时序智能体的记忆策略优化方法，包括：计算当前记忆与历史记忆之间的局部反事实得分；计算所述当前记忆与兄弟记忆之间的当前对数似然差值；根据所述局部反事实得分和所述当前对数似然差值确定所述当前步的原始记忆得分；根据完结路径中各步的所述原始记忆得分对所述目标智能体的记忆策略进行优化。解决了端到端记忆压缩训练时，存在的记忆压缩环节被误奖误罚的问题，实现了对每次记忆写入的细粒度、低纠缠信用分配，在保持压缩上下文高效率的同时大幅改善信用分配质量，且额外计算开销极小。