Mem-T：面向长视野记忆智能体的奖励稠密化方法

记忆智能体通过内生方式管理记忆的处理、存储与检索，展现出高度的自主性与适应性。然而，现有训练范式受限于稀疏且延迟的奖励信号，难以实现端到端的记忆管理策略优化。为此，本文提出Mem-T——一种可与轻量级分层记忆数据库交互的自主记忆智能体，支持对流式输入进行动态更新与多轮检索。为有效训练其长视野记忆管理能力，进一步提出MoT-GRPO框架，该树引导强化学习方法通过记忆操作树反向传播与事后信用分配，将稀疏终端反馈转化为稠密的逐步监督信号，联合优化记忆构建与检索。实验表明，Mem-T在性能上超越A-Mem和Mem0达14.92%，同时在准确率-效率帕累托前沿上表现优异，相较GAM减少约24.45%的推理token消耗而不损失性能。