В статье представлен проактивный агент памяти, предназначенный для решения проблемы «деградации поведенческого состояния» в задачах с длительным горизонтом, где информация, релевантная для принятия решений, часто теряется по мере расширения траекторий. Этот модуль работает параллельно с неизмененным агентом действий, активно обновляя структурированное хранилище памяти и внедряя напоминания при необходимости.

  • Система улучшает показатель pass@1 на +8,3 pp в Terminal-Bench 2.0 и на +6,8 pp в $\tau^2$-Bench как для более слабых, так и для более сильных агентов действий.
  • Селективное вмешательство превосходит пассивное воздействие банка памяти, постоянное внедрение, guidance только от советника и общий поиск в исследованиях ablation.
  • Авторы обучили Qwen3.5-27B на SETA с использованием SFT и GRPO для создания ранней open-weight политики памяти.

Этот подход демонстрирует, что активное вмешательство в память более эффективно, чем пассивный поиск, для поддержания контекста в сложных рабочих процессах агентов.