VerMem：带局部和全局验证器的统一记忆管理

Fidelity：核心机制复现。本页把原论文结论、本地机制验证和未复刻部分分开陈述。

论文信息

字段	内容
论文链接	Verifiable Memory: Learning Unified Memory Management with Local and Global Verifiers for Large Language Model Agents（arXiv 2608.03137）
公司 / 机构	Sun Yat-sen University / Xiaolong Sun
首次公开日期	2026-08-04（arXiv v1）
原作者代码	已开源：Sun-SYSU-24/VerMem
本地 adapter / 方法键	vermem
本地复现代码	src/auto_research/agent_research/

原始论文总结

背景与主要改动

长期记忆、活动上下文与 episodic history 往往分开优化，轨迹奖励无法判断单次记忆操作是否正确。VerMem 用一个策略管理三类状态和七种原子操作，以 local verifier 审核状态转移、global verifier 审核证据一致性。

flowchart LR
 A["学生 / Agent rollout"] --> B["论文特有规划 / 记忆算子"]
 B --> C["可审计的目标或状态更新"]
 C --> D["公共 mini-suite 评测"]

原论文关键图

原论文 Figure 1（关键图）：展示原论文的训练流程与关键优化环节。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ R=R_{task}+\lambda_lV_{local}(m_t,a_t,m_{t+1})+\lambda_gV_{global}(M_T,\tau)-\lambda_cC(a_t),\quad \max_\pi\mathbb E_\pi[R]. \]

论文离线与线上效果

五个 benchmark、两个 backbone 上在绝大多数指标最好；受控 online-token budget 下给出最优效率—性能前沿。无生产 A/B。

本地复现

显式维护 LTM、active context、episodes，执行 retrieve/add/restore，并分别计数 local/global verifier。

PlanBench mini-suite、120 episodes、seed 42：joint success 1.0000，average cost 0.6100；论文特有操作均有非零 telemetry。

auto-research agent-eval --method vermem --benchmark planbench-mini --episodes 120 --seed 42
auto-research evolve --model agent --dataset planbench-mini --direction "组合 vermem 与已安装论文算子" --generations 2 --population 4

固定指标见 ../../experiments/p0-p1-closed-audit-20260808-seed42.json。

复现边界

本地使用确定性公共 mini-suite 验证核心状态更新和公平预算，不等同于原论文大模型、多卡 RL、私有环境或完整 benchmark；本地相对变化不得与原文提升混写。