Meta AI 提出双智能体方案，让长任务保持在正轨上

Meta AI的研究人员在其论文中描述了一个反复出现的问题：AI代理在长时间任务中会丢失需求或重复失败的操作，他们称之为“行为状态衰减”。他们提出了一个即插即用的记忆模块，该模块运行一个独立的“记忆代理”，与未改动的“行动代理”并行。记忆代理以固定间隔观察最近的步骤，更新结构化记忆库，并决定是否将简洁的、基于记忆的提醒注入到下一次行动调用中，或保持沉默。记忆库分为私有状态、知识和程序性记忆，代理通过预定义的工具调用来管理记忆库，而非自由重写。测试在Terminal-Bench 2.0和τ2-Bench上进行，使用Claude Opus 4.6作为记忆代理。当Claude Sonnet 4.5作为行动代理时，系统首次尝试解决了Terminal-Bench中46%的任务，高于之前的38%，并将τ2-Bench的任务加权平均值从55%提高到62%，且存在显著的领域差异：航空和零售各提高了约10个百分点，而电信仅提高了3个百分点。更强的Opus 4.6也有所改进，但改进幅度较小，这表明其收益不仅限于弥补容量不足。消融实验表明，选择性干预和维护记忆库是关键，且该方法优于生产记忆层Mem0。团队还探索了将开源模型Qwen3.5-27B训练为记忆代理，发现需要监督微调和强化学习来正确校准干预。Meta AI已在GitHub上发布了代码。