O artigo apresenta um agente de memória proativo projetado para abordar a "decadência do estado comportamental" em tarefas de longo horizonte, onde informações relevantes para a decisão são frequentemente perdidas à medida que as trajetórias se expandem. Este módulo é executado junto a um agente de ação não modificado, atualizando ativamente um banco de memória estruturado e injetando lembretes quando necessário.

  • O sistema melhora o pass@1 em +8,3 pp no Terminal-Bench 2.0 e em +6,8 pp no $\tau^2$-Bench para agentes de ação mais fracos e mais fortes.
  • A intervenção seletiva supera a exposição passiva do banco, injeção sempre ativa, guidance apenas do consultor e recuperação geral em estudos de ablação.
  • Os autores treinaram o Qwen3.5-27B no SETA usando SFT e GRPO para criar uma política de memória open-weight inicial.

Esta abordagem demonstra que a intervenção ativa na memória é mais eficaz do que a recuperação passiva para manter o contexto em fluxos de trabalho de agentes complexos.