본 기사는 장기 호라이즌 작업에서 의사결정에 관련된 정보가 궤적이 확장되면서 종종 손실되는 "행동 상태 감쇠" 문제를 해결하도록 설계된 능동적 메모리 에이전트를 소개합니다. 이 별도 모듈은 수정되지 않은 액션 에이전트와 함께 실행되며, 구조화된 메모리 뱅크를 적극적으로 업데이트하고 필요할 때 리마인더를 주입합니다.

  • 시스템은 메모리에 기반한 리마인더를 주입할지 아니면 침묵할지 결정하는 플러그 앤 플레이 개입 메커니즘으로 작동합니다.
  • 다양한 액션 에이전트에 대해 Terminal-Bench 2.0에서 +8.3 pp, $τ^2$-Bench에서 +6.8 pp의 pass@1 성능 향상을 달성했습니다.
  • 아블레이션 연구는 선택적 개입이 수동적 뱅크 노출, 항상 켜져 있는 주입, 어드바이저 전용 가이드 및 일반 검색을 능가함을 보여줍니다.
  • 저자들은 초기 오픈 가중치 메모리 정책을 생성하기 위해 SETA에서 SFT와 GRPO를 사용하여 Qwen3.5-27B를 훈련했습니다.

이 접근 방식은 중요한 컨텍스트가 컨텍스트 창에 묻히지 않고 의사결정에 영향을 미치도록 보장하여 성능을 향상시킵니다.