技术摘要：在关键时刻铭记：面向长程智能体的主动记忆智能体

问题：行为状态衰减 (Behavioral State Decay)

长程任务（如自主命令行执行和多步工具使用）要求智能体在长期的轨迹中维持与决策相关的状态。作者指出了一种关键的失效模式，称为行为状态衰减。在这种模式下，对于未来决策至关重要的信息——例如初始任务需求、环境事实、先前的失败尝试、错误诊断以及开放的子目标——会在智能体的决策过程中变得“不活跃”。

即使这些信息仍存在于模型的上下文窗口或对话记录中，衰减现象依然会发生。问题不仅在于无法存储或检索数据，而在于无法确定何时应当让被记住的信息主动影响下一步行动。现有的记忆系统通常侧重于被动检索或摘要，这可能导致智能体重复错误、忽略已发现的事实或偏离约束条件。论文认为，对于长程智能体而言，有效的记忆必须是一种主动干预机制，它不仅要决定记住“什么”，还要决定是否以及何时进行干预。

方法论：主动记忆干预

论文提出了一种两阶段记忆干预架构，将记忆维护与动作选择解耦。该系统由一个未经修改的动作智能体 (Action Agent) 和一个与其并行的独立记忆智能体 (Memory Agent) 组成。

架构组件

1. 结构化记忆库 ($B_t$)： 一个包含执行状态的紧凑、结构化表示，包含三个部分：

   • 状态 (Status, $s_t$)： 一个仅对记忆智能体可见的私有字段，用于追踪进度、开放性问题和风险。
   • 知识 (Knowledge, $K_t$)： 稳定的事实（例如任务需求、环境属性、文件路径）。
   • 过程 (Procedural, $P_t$)： 对尝试、结果、失败命令、成功修复和诊断信号的动态记录。

2. 两阶段记忆智能体工作流：

   • 第一阶段（记忆管理）： 记忆智能体观察最近轨迹的滑动窗口和当前记忆库。它发出工具调用以更新记忆库（例如 memory_save_knowledge、memory_save_procedural、memory_update_status、memory_delete）。这一阶段将执行状态外化为结构化格式，而不改写轨迹。
   • 第二阶段（干预选择）： 基于更新后的记忆库和最近的轨迹，智能体决定是将一个简洁的、基于记忆的提醒注入到下一次动作智能体的调用中，还是保持沉默 (<no_intervention/>)。
     • 干预 (Intervention)： 一个针对性的提醒（例如被遗忘的需求、相关的环境事实或诊断结果），作为瞬时上下文注入。
     • 沉默 (Silence)： 如果当前状态已足够充分，则明确决定不提供记忆，以避免 Token 开销和干扰。

3. 触发机制： 记忆智能体按固定间隔（例如每 $N$ 步）被调用，以更新记忆库并决定是否干预，尽管作者指出更具选择性的触发方式（例如在发生错误时）也是可能的。

学习策略

虽然该架构可以使用带有提示词的前沿模型来实现，但作者探索了训练一个开源权重模型来学习干预策略：

• 监督微调 (SFT)： 从带有提示词的记忆智能体中蒸馏轨迹，以教授接口使用和基本的记忆管理纪律。
• 强化学习 (GRPO)： 优化干预策略，以最大化下游任务的成功率，特别是校准何时进行干预以及何时保持沉默。

核心贡献

1. 识别行为状态衰减： 论文形式化了这种决策相关状态随时间失去影响力的失效模式，并将其与简单的上下文窗口限制区分开来。
2. 主动干预架构： 一种新颖的两阶段系统，将记忆视为一种选择性的干预策略。它将状态维护与动作选择解耦，允许一个独立的智能体决定何时以及如何重新激活执行状态。
3. 实证验证： 证明了选择性干预优于被动记忆暴露、全量注入以及通用的顾问指导。
4. 干预策略的可学习性： 提供初步证据，表明通过 SFT 和 GRPO，干预策略可以被蒸馏到开源权重模型（Qwen3.5-27B）中，并在留出基准测试上实现部分迁移。

实验结果

系统在 Terminal-Bench 2.0（自主命令行执行）和 $\tau^2$-Bench（航空、零售和电信领域的交互式工具使用）上进行了评估。

• 性能提升：

  • Terminal-Bench 2.0： 使用 Claude Opus 4.6 作为记忆智能体，系统将较弱的 Claude Sonnet 4.5 的 pass@1 从 37.6% 提升至 45.9%（+8.3 pp），并将较强的 Opus 4.6 从 43.5% 提升至 45.9%（+2.4 pp）。
  • $\tau^2$-Bench： 对于 Sonnet 4.5，任务加权平均分从 55.0% 提高到 61.8%（+6.8 pp）。对于 Opus 4.6，提高到了 68.7%（从 66.2% 提升，+2.5 pp）。
  • 增益在不同领域表现一致，其中在政策遵循至关重要的航空和零售任务中增益最为显著。

• 消融研究：

  • 全系统 vs. 被动暴露： 仅仅将完整的记忆库暴露给动作智能体（而不进行选择性干预）获得的收益较低，证实了“选择”的重要性。
  • 始终注入 vs. 选择性沉默： 在每一步都强制注入提醒的方法虽具有竞争力，但不如选择性方法平衡，尤其是在需要通过沉默来避免干扰的领域。
  • 仅顾问模式 vs. 基于记忆模式： 没有持久化记忆库的顾问模型不够稳定，且无法将指导建立在长期执行状态之上。
  • 与 Mem0 对比： 通用持久化记忆层 (Mem0) 提高了平均得分，但未能达到全系统的性能，凸显了“检索记录”与“决定何时干预”之间的区别。

• 开源权重训练： 在 SETA 基准测试上训练 Qwen3.5-27B 记忆智能体提高了验证奖励。当迁移到 Terminal-Bench 2.0 时，训练后的智能体将冻结的动作智能体的 pass@1 从 37.6% 提升至 41.1%，证明了干预策略是可学习的。

意义与主张

论文将记忆定位为不仅仅是一个被动的存储层，而是一个主动的控制机制。作者声称，长程智能体的核心挑战不仅在于保留信息，还在于校准其重新激活的时机与必要性。

• 对训练的适度主张： 作者将开源权重记忆智能体的训练描述为“初步步骤”和“初步证据”。他们承认目前的训练依赖于从带有提示词的前沿模型中进行蒸馏，并且干预校准（即何时保持沉默）尚不完美，通常需要强化学习来精细化。
• 通用性： 该架构被呈现为“即插即用”的，可与现有的智能体框架及未经修改的动作智能体配合使用。
• 未来方向： 论文建议未来的工作包括联合训练记忆智能体和动作智能体、学习动态调用调度，以及区分逐字提醒与特定任务的抽象。

总之，论文认为选择性干预是缓解行为状态衰减的关键，它为提升长程任务性能提供了一种稳健且模块化的解决方案。