El artículo presenta un agente de memoria proactivo diseñado para abordar la "decadencia del estado conductual" en tareas de largo horizonte, donde la información relevante para la decisión a menudo se pierde a medida que las trayectorias se expanden. Este módulo se ejecuta junto a un agente de acción sin modificar, actualizando activamente un banco de memoria estructurado e inyectando recordatorios cuando es necesario.

  • El sistema mejora el pass@1 en +8,3 pp en Terminal-Bench 2.0 y en +6,8 pp en $\tau^2$-Bench tanto para agentes de acción más débiles como más fuertes.
  • La intervención selectiva supera la exposición pasiva del banco, la inyección siempre activa, la guidance solo del asesor y la recuperación general en estudios de ablación.
  • Los autores entrenaron Qwen3.5-27B en SETA usando SFT y GRPO para crear una política de memoria open-weight temprana.

Este enfoque demuestra que la intervención activa de la memoria es más efectiva que la recuperación pasiva para mantener el contexto en flujos de trabajo de agentes complejos.