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 se expanden las trayectorias. Este módulo separado funciona junto a un agente de acción sin modificar, actualizando activamente un banco de memoria estructurado e inyectando recordatorios cuando es necesario.
- El sistema opera como un mecanismo de intervención plug-and-play que decide si inyectar recordatorios basados en la memoria o permanecer en silencio.
- Logra ganancias de +8.3 pp en Terminal-Bench 2.0 y +6.8 pp en $τ^2$-Bench para pass@1 en varios agentes de acción.
- Las ablationes demuestran que la intervención selectiva supera la exposición pasiva al banco, la inyección siempre activa, la guía solo del asesor y la recuperación general.
- Los autores entrenaron Qwen3.5-27B en SETA usando SFT y GRPO para crear una política de memoria de peso abierto temprana.
Este enfoque mejora el rendimiento asegurando que el contexto crítico influya en las decisiones en lugar de quedar enterrado en la ventana de contexto.