热点事件观察中
研究人员提出基于仅追加内存的Web智能体框架AMBER
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月7日，研究人员在arXiv发布论文，提出面向长周期Web智能体的训练框架AMBER。该框架引入仅追加内存机制，使智能体能够联合学习推理、行动与写入自由格式内存，从机制上保证关键信息和纠错反馈的留存。同时，AMBER无需大量精选SFT数据，即可基于结果奖励进行端到端强化学习训练。在WebArena Lite基准评测中，AMBER相比覆盖式内存将平均成功率提升了4.09个百分点，并在5次重复运行中将任务解决比例提高了4.8个百分点。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
研究人员提出AMBER框架，通过仅追加内存机制与强化学习提升Web智能体长周期任务表现。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 人工智能AMBER：通过仅追加内存训练长周期 Web 智能体
研究人员提出 AMBER 框架，通过仅追加内存机制让智能体联合学习推理、行动与写入自由格式内存，从机制上保证关键信息与纠错反馈的保留。该框架无需大量精选 SFT 数据即可基于结果奖励进行端到端强化学习训练。在 WebArena Lite 评测中，AMBER 相比覆盖式内存将平均成功率提升 4.09 个百分点，并在 5 次重复运行中将任务解决比例提高 4.8 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。