arXiv cs.AIは7月9日(現地時間)、Yifan Wu氏を含む研究チームが、長期にわたるタスクにおけるAIエージェントの課題解決を目的とした「能動的記憶エージェント」に関する論文を公開しました。この研究は、エージェントが過去の重要な決定関連情報を忘却する「behavioral state decay」問題に対処するため、受動的な情報検索に留まらず、記憶を能動的な介入メカニズムとして機能させる新しいアプローチを提案しています。
この研究で提案された能動的記憶エージェントは、既存の行動エージェントと並行して機能する独立したモジュールとして設計されています。記憶エージェントの主な役割は、エージェントの最近の行動軌跡から構造化されたメモリバンクを継続的に更新することです。そして、その更新された記憶に基づき、行動エージェントに対して「リマインダーを注入する」か、あるいは「沈黙を保つ」かを状況に応じて決定します。
このモジュールは、最先端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連携できる柔軟性を持つ点が特筆されます。研究チームは、Terminal-Bench 2.0および$\tau^2$-Benchという二つの主要なベンチマークを用いて、その有効性を検証しました。その結果、この能動的記憶エージェントを導入することで、弱い行動エージェントと強い行動エージェントの双方において、タスク完了の成功率を示すpass@1のスコアが顕著に向上しました。具体的には、Terminal-Benchでは+8.3ポイント、$\tau^2$-Benchでは+6.8ポイントの改善が確認されています。
詳細な分析では、能動的記憶エージェントが実行する「選択的な介入」が、受動的なメモリバンクの露出、常時情報注入、アドバイザーのみのガイダンス、および一般的な情報検索といった他のアプローチと比較して、優れた性能を発揮することが明確になりました。この結果は、記憶の「何を、いつ、どのように」使うかをエージェント自身が判断する能動性が、タスク遂行においていかに重要であるかを示しています。
さらに、研究チームはオープンウェイトの記憶ポリシーを開発するための初期段階として、Qwen3.5-27BモデルをSETAプラットフォーム上でSFT（Supervised Fine-Tuning）とGRPO（Generalized Policy Optimization）を用いて訓練する試みを行いました。この訓練により、検証報酬の改善が確認され、Terminal-Benchへの部分的な転移にも成功しました。これは、将来的により洗練された記憶ポリシーを構築するための重要な一歩となることが期待されます。
本研究は、特に長期にわたる複雑なタスクにおいて、AIエージェントが直面する情報忘却という根本的な問題を解決するための新たな道筋を示すものです。能動的な記憶メカニズムの導入は、エージェントの堅牢性と効率性を向上させ、より高度な自律的行動を可能にする基盤となる可能性があります。
参考: arXiv cs.AI — 2026年7月10日 02:26 (JST)
原文ハイライト"Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents"