Meta의 메모리 에이전트, '행동 상태 저하' 문제 해결로 성능 57% 향상
Meta AI는 진행 상황을 추적하고 반복되는 오류를 방지하기 위해 메인 에이전트를 선택적으로 다시 상기시키는 메모리 에이전트 모듈을 도입했습니다. 이를 통해 terminal-bench에서 57% 더 많은 작업을 해결했습니다.
meta ai researchers identified behavioral state decay as the cause of agent failure in long tasks, leading to forgotten constraints and repeated error rediscovery. their solution is a secondary memory agent that reviews a sliding window of steps, updates a structured memory bank, and decides whether to remind the primary action agent about past failures or risks. testing with claude opus as the memory coach and claude sonnet as the worker agent boosted success rates by 57% on terminal-bench and 16% on tau2-bench. the system functions as a plug-and-play layer, requiring no modifications to existing agents.