본 기사는 장기 호라이즌 작업에서 "행동 상태 감쇠"를 해결하도록 설계된 능동적 메모리 에이전트를 소개합니다. 이러한 작업에서는 의사 결정 관련 정보가 궤적이 확장됨에 따라 종종 손실됩니다. 이 모듈은 수정되지 않은 액션 에이전트와 병렬로 실행되며 구조화된 메모리 뱅크를 능동적으로 업데이트하고 필요할 때 리마인더를 주입합니다.
- 시스템은 Terminal-Bench 2.0에서 pass@1을 +8.3 pp, $\tau^2$-Bench에서 +6.8 pp 향상시켰으며, 약한 액션 에이전트와 강한 액션 에이전트 모두에서 개선되었습니다.
- 선택적 개입은 아블레이션 연구에서 수동적 뱅크 노출, 상시 주입, 어드바이저 전용 가이드 및 일반 검색을 능가합니다.
- 저자들은 SETA에서 SFT 및 GRPO를 사용하여 Qwen3.5-27B를 훈련시켜 초기 오픈 가중치 메모리 정책을 생성했습니다.
이 접근 방식은 복잡한 에이전트 워크플로우에서 컨텍스트를 유지하기 위해 수동적 검색보다 능동적 메모리 개입이 더 효과적임을 보여줍니다.