大型语言模型在多轮对话和长文档等需要长时历史的任务中，越来越依赖外部记忆。现有方法往往把检索和记忆构建拆开优化，缺少统一的奖励空间来评估搜索、写入和停止等决策。为此我们提出全能记忆（AiO-Mem），将这些操作统一为在共享证据状态上的转移，并在同一奖励空间直接评估每一步的语义质量。AiO-Mem 将异构历史编译为可追溯的多视角事件，为检索和记忆写入提供统一基底。统一的记忆策略 actor 在该证据状态上展开完整交互轨迹。随后训练一个轨迹条件化的过程奖励模型，通过证据驱动的监督微调和轨迹层面的 DPO 为收集的轨迹打分。分数被聚合为动作平衡的轨迹奖励，并由过程对齐的 DAPO（PA-DAPO）用于优化记忆策略。实验在长上下文记忆基准上显示，AiO-Mem 相比静态记忆系统和基于 RL 的记忆体均能持续提升答案准确率。
点评: 该工作通过统一奖励机制将检索、写入和停止决策紧密耦合，为记忆体的端到端优化提供了新思路，实验验证了其在实际长文本任务中的有效性。