[CL]《Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents》Y Wu, L Zhang, Y Zhou, M Wang… [Meta AI] (2026)

在长程任务领域，行为状态衰减是一个悬而未决的难题。过去的方法受困于关键信息随轨迹增长而失效，本质原因是任务约束和历史教训虽然存在于上下文窗口内，却无法在决策瞬间被有效激活，导致智能体不断重复错误或遗忘初始目标。

本文的核心洞见是：把记忆管理重新看作一种主动干预策略。由此，引入独立的记忆智能体，通过维护结构化账本并执行主动提醒这一关键操作使问题得以解开。它实时评估轨迹，自主决定是向执行端注入精准的记忆锚点，还是保持沉默以避免干扰。

这项工作真正留下的遗产是界定了记忆干预优于记忆检索的范式。它为后来者打开的新门是利用强化学习训练轻量化、高精度的记忆策略模型，但尚未跨过的门槛是记忆与执行端在极长轨迹下的深度协同进化。

arxiv.org/abs/2607.08716 机器学习 人工智能 论文 AI创造营