本記事は、長期ホライズンタスクにおける「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跡の拡大とともに失われることがよくあります。この別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動作し、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、メモリーに根ざしたリマインダーを注入するか、沈黙を保つかを決定するプラグアンドプレイの介入メカニズムとして機能します。
  • 様々なアクションエージェントにおいて、Terminal-Bench 2.0で+8.3 pp、$τ^2$-Benchで+6.8 ppのpass@1スコア向上を実現しました。
  • アブレーションにより、選択的介入が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、一般的な検索を凌駕することが示されました。
  • 著者らは、早期のオープンウェイトメモリポリシーを作成するためにSETAでSFTとGRPOを使用してQwen3.5-27Bをトレーニングしました。

このアプローチは、重要なコンテキストがコンテキストウィンドウに埋もれるのではなく意思決定に影響を与えることを保証することでパフォーマンスを向上させます。