本記事は、長期ホライゾンのタスクにおける「行動状態の減衰」に対処するために設計されたプロアクティブなメモリエージェントを紹介しています。このタスクでは、意思決定に関連する情報が軌道が拡張されるにつれて失われることがよくあります。このモジュールは変更されていないアクションエージェントと並行して実行され、構造化されたメモリバンクを積極的に更新し、必要に応じてリマインダーを注入します。

  • システムは Terminal-Bench 2.0 で pass@1 を +8.3 pp、$\tau^2$-Bench で +6.8 pp 向上させ、弱く強いアクションエージェントの両方で改善されました。
  • 選択的介入は、アブレーション研究において、パッシブなバンク曝露、常時注入、アドバイザーのみによるガイダンス、一般的な検索を上回ります。
  • 著者らは Qwen3.5-27B を SETA で SFT と GRPO を使用してトレーニングし、初期のオープンウェイトメモリポリシーを作成しました。

このアプローチは、複雑なエージェントワークフローにおいてコンテキストを維持するために、パッシブな検索よりもアクティブなメモリ介入の方が効果的であることを示しています。