「必要な時だけ思い出させる」AI ― 長期タスクエージェントの能動メモリ「Proactive Memory Agent」

本研究(Proactive Memory Agent)は、長期タスクをこなすAIエージェントに「必要な時だけ思い出させる」仕組みを加える。

1長期タスク特有の失敗

背景にあるのは、長期(long-horizon)タスク特有の失敗だ。判断に必要な状態——タスク要件・環境の事実・過去の試行・診断・未完了のサブゴール——は、伸び続ける軌跡のあちこちに散らばる。軌跡が長くなるほどこれらは文脈窓の中に埋もれ、あるいは窓の外へ押し出され、必要な瞬間に判断へ影響できなくなる。

著者らはこの失敗様式を「behavioral state decay（行動状態の減衰）」と名づけた。

2検索ではなく介入としてのメモリ

提案の核心は、メモリを受動的な検索(retrieval)でなく能動的な介入(intervention)の機構として設計することだ。行動エージェント本体には手を加えず、別の「メモリエージェント」が並走する。メモリエージェントは直近の軌跡から構造化されたメモリバンクを更新し続け、そのうえで「メモリに基づくリマインダを注入すべきか、沈黙を保つべきか」を都度判断する。

このモジュールはフロンティアの行動エージェントや既存のエージェントハーネスにプラグアンドプレイで組み込める。

3Terminal-Bench 2.0 と τ2-Bench での結果

評価では、Terminal-Bench 2.0とτ2-Benchの双方で、弱い行動エージェントにも強い行動エージェントにもpass@1の改善をもたらした（Terminal-Benchで+8.3ポイント、τ2-Benchで+6.8ポイント）。

アブレーション実験では、「選択的に介入する」設計が、メモリバンクを受動的に見せるだけの構成・常時注入・助言のみの構成・汎用検索のいずれをも上回った。さらに、オープンウェイトのメモリ方策に向けた初期段階として、Qwen3.5-27BをSETA上でSFTとGRPOにより訓練し、検証報酬を改善しTerminal-Benchへの部分的な転移を達成したと報告している。