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 separado roda junto a um agente de ação não modificado, atualizando ativamente um banco de memória estruturado e injetando lembretes quando necessário.
- O sistema opera como um mecanismo de intervenção plug-and-play que decide se deve injetar lembretes baseados na memória ou permanecer em silêncio.
- Ele alcança ganhos de +8.3 pp no Terminal-Bench 2.0 e +6.8 pp no $τ^2$-Bench para pass@1 em vários agentes de ação.
- Ablações demonstram que a intervenção seletiva supera a exposição passiva ao banco, injeção sempre ativa, orientação apenas do consultor e recuperação geral.
- Os autores treinaram o Qwen3.5-27B no SETA usando SFT e GRPO para criar uma política de memória de peso aberto inicial.
Esta abordagem melhora o desempenho garantindo que o contexto crítico influencie as decisões em vez de ser enterrado na janela de contexto.