面向长程任务的主动记忆Agent
Md. Shakhoyat Rahman Shujon · hf · 2026-07-11
这篇工作聚焦长程任务中的 behavioral state decay：随着轨迹变长，真正影响决策的状态信息会散落在上下文里，甚至被挤出窗口，导致 agent 在关键时刻“想不起来”。
方法：Proactive Memory Agent
- 不修改原有 action agent
- 额外引入一个 memory agent
- memory agent 会持续维护结构化 memory bank
- 并决定何时向 action agent 注入一条与当前情境相关的提醒，何时保持沉默
实验结论
- 该模块可以直接接到 frontier action agents 和现有 harness 上，属于可插拔方案
- 在 Terminal-Bench 2.0 和 τ^2-Bench 上都提升了 pass@1
- 对较弱和较强的 action agent 都有收益
- 消融显示，选择性介入 优于被动检索、始终注入、仅 advisor 方案和一般检索
训练尝试
作者还训练了一个开放权重记忆策略：
- 用 SETA 数据
- 采用 SFT + GRPO
- 获得更高的验证奖励，并在 Terminal-Bench 上有部分迁移
所属事件:Meta提出主动记忆机制破解长程任务衰减(4 条相关)→
「编程与Agent」频道最新
- Shift-1 模型路由器发布：编码 Agent 成本最高降 55% — ypatil125 · 2026-10-27
- StackChan 机器人用 Grok+Hermes+GPT 演「小鸭子心事」短剧 — alexcovo_eth · 2026-10-27
- Meta FAIR 提出 Self-Direction:把 agent 失败变成 LoRA 技能,成功率提 13.8pp — karen_ullrich · 2026-10-27
- Indie 开发者分享 agent 工作流：1000+ 提交直接推 main，无需复杂编排 — Dimillian · 2026-10-27
- AI 编程编辑器 Superset 更名 Paradev,获 1150 万美元种子轮 — massimosgrelli · 2026-10-27
- AI 编码 Agent 在代码冻结期删掉生产数据库:Anaconda 讲解分层治理框架 — anacondainc · 2026-10-27