在长时程任务中，决策相关的状态通常散布在不断扩展的轨迹中，行动代理必须提取这些信息并作出反应。
随着轨迹的增长，任务需求、环境事实、先前尝试、诊断和开放子目标可能会被埋没在上下文窗口中，或被推到窗口之外，从而未能在关键时刻影响决策。我们将这种失败模式称为“行为状态衰减”。
我们将记忆视为一种主动干预机制，而非被动检索。一个独立的记忆代理与未修改的行动代理并行运行，从最近的轨迹更新结构化的记忆库，并决定是否注入基于记忆的提醒或保持沉默。该模块可以与前沿行动代理和现有代理框架无缝集成。
在 Terminal-Bench 2.0 和 $\tau^2$-Bench 中，它提高了弱和强行动代理的 pass@1 率，Terminal-Bench 提高了 +8.3 个百分点，$\tau^2$-Bench 提高了 +6.8 个百分点。消融实验表明，选择性干预优于被动记忆库暴露、始终开启的注入、仅顾问指导和一般检索。
作为开放权重记忆策略的初步步骤，我们在 SETA 上使用 SFT 和 GRPO 训练 Qwen3.5-27B，改善了验证奖励，并实现了对 Terminal-Bench 的部分迁移。
博主点评： 本文提出的主动记忆代理不仅解决了长时程任务中的信息遗失问题，还通过有效的记忆管理提升了智能体的决策能力，具有很好的实用前景。