Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents

论文解决了什么问题

在长程任务中，任务要求、环境事实、失败诊断和未完成子目标等关键信息往往散落在不断增长的轨迹里，即使仍在上下文窗口内，也可能不再影响后续决策，作者将这种失败模式称为行为状态衰减。现有记忆系统主要解决存储与检索，却难以回答“何时让已记住的状态重新进入控制循环”。论文要验证的是：把记忆设计为一种主动干预策略，是否能稳定改善长程 Agent 的决策质量。

核心方法

作者在不修改 action agent 的前提下引入一个独立的 memory agent，按固定间隔读取最近轨迹窗口和当前记忆库。第一阶段通过受限工具调用更新结构化记忆库，包括私有状态、知识记忆和过程记忆；第二阶段根据更新后的记忆库决定下一步是向 action agent 注入一条简短、基于记忆的提醒，还是输出空干预保持沉默。该模块以插件方式接入现有 agent 框架，并进一步用 SFT 和 GRPO 在 SETA 上微调 Qwen3.5-27B 学习干预策略。

实验结论

• Terminal-Bench 2.0 上 Sonnet 4.5 pass@1 提升 8.3 个百分点，Opus 4.6 提升 2.4 个百分点。
• τ2-Bench 任务加权平均上 Sonnet 4.5 提升 6.8 个百分点，Opus 4.6 提升 2.5 个百分点，且选择性干预优于被动暴露、强制注入和 Mem0 检索。

适合谁阅读