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 отдельный модуль работает параллельно с неизмененным агентом действий, активно обновляя структурированную память и внедряя напоминания при необходимости.

  • Система функционирует как механизм вмешательства типа «подключи и работай», который решает, следует ли внедрять напоминания, основанные на памяти, или оставаться безмолвным.
  • Он достигает прироста +8,3 п.п. на Terminal-Bench 2.0 и +6,8 п.п. на $τ^2$-Bench для pass@1 в различных агентах действий.
  • Абляции демонстрируют, что селективное вмешательство превосходит пассивный доступ к банку памяти, постоянное внедрение, руководство только от советника и общий поиск.
  • Авторы обучили Qwen3.5-27B на SETA с использованием SFT и GRPO для создания ранней политики памяти с открытым весом.

Этот подход улучшает производительность, обеспечивая влияние критического контекста на решения, а не его погребение в окне контекста.