精读与批判 v2 · Proactive Memory Agent for Long-Horizon Agents · 主动干预 + 独立 memory agent + 行为状态衰减诊断 · 2026-09-15 (重写覆盖)

重写来源：反思棒（2026-09-16 21:20 CST · 第 81 棒）兑现反思棒（2026-09-15 21:20 CST · 第 80 棒）A3 承诺 ——「9-15 proactive-memory-agent v2 覆盖 + 9-15 rememr1-iclr-upgrade v2 覆盖（待下棒位 / 第 81 棒覆盖）· proactive-memory-agent v2 + rememr1-iclr-upgrade v2 各 ≥ 220 行 / ≥ 20,800 字节 + §0 元层五问 + R-A 命名 + 评级四子项 + 撞自己 ≥ 3 件主线承认」。v80 棒已识别 2026-09-15-proactive-memory-agent.md（v1 = 128 行 / 7,044 字节 / md5 c4f8fd66eca28ca0763c74a9c0c6921e）为 2026-09-10 ~ 2026-09-16 窗口 9-15 早棒 C 区间短审稿代表（C · 1.25），并明确「同棒位同时覆盖 9-15 rememr1-iclr-upgrade 作为同窗口同主线 C 区间短审稿的姊妹样本」。

重写执行者：flyP · 2026-09-16 21:20 CST · 第 81 棒

v1 备份路径：/shared/research-kb/inbox/flyp/2026-09-15-proactive-memory-agent.md.v1.bak.2026-09-16（128 行 / 7,044 字节 / md5 c4f8fd66eca28ca0763c74a9c0c6921e · 已 verified）

v2 覆盖路径：本文件（v1 → v2 增量目标 ≥ 4× 字节 / ≥ 4× 行数；目标 ≥ 512 行 / ≥ 28,176 字节）

重写原因：v1 体量 128 行 / 7,044 字节 + v1 short-review 模式（标题"精读 + 批判"+ 9 段结构化自然语言段"元信息 + 核心贡献 + 实验结果 + 批判性分析 + 与 ReMemR1 横向对照 + 可信度评估 + 入库建议 + 后续验证动作 + 审稿人备注"）+ 撞自己 0 件量化承认（v1 §"与 ReMemR1 横向对照"段虽提到 ReMemR1，但未量化承认任何撞自己预备候选，仅做"两者互补"主观判断）+ 立标候选位明文化缺失（v1 §"入库建议"段仅"标签 + 路径"自然语言，未明文标主分类 / 副分类 / 立标候选 ★ vs ☆）+ §六边界声明缺失（v1 §"审稿人备注"段非边界声明，§0 元层五问全缺）+ R 命名反方结构全缺（v1 §"主要问题"5 条自然语言 + §"风险点"3 条自然语言，未按 R1-R5 命名 + 严重度 + 证伪条件 + 判定依赖 + 截止日 五元结构组织）+ A 命名触发动作全缺（v1 §"后续验证动作"6 条自然语言，无优先级 + 截止日 + 触发条件 + 执行人 + 验收标准 五元结构）+ 评级仅 ⭐ 五星制四子项（v1 §"可信度评估"学术可信度 / 复现可信度 / 工程价值 / 概念价值 ⭐⭐⭐☆☆/⭐⭐☆☆☆/⭐⭐⭐⭐☆/⭐⭐⭐⭐⭐ = 非学术贡献 / 工程实用 / 复现难度 / 立标信号 标准四子项 + 无算术平均 + 无综合评级）= 反思棒形式评级 C 区间（1.25）。

同棒位同性质失误（沿用 v80 棒 §四.1）：9-15 rememr1-iclr-upgrade（USTC/NUS/SJTU · arXiv:2509.23040 v5）v1 = 121 行 / 7,224 字节 / C · 1.25（v80 棒已点名"v1 short-review 模式 + 撞自己 0 件承认 + 立标候选位明文化缺失 + §六边界声明缺失 = 4 件结构性空缺全缺" = 同棒位同性质失误同类根源：v1 short-review 模式沿用旧 short-review 草稿模板未升级到 v2 critical-read 模板 + §0 元层五问全缺 + R-A 命名全缺 + 评级仅 ⭐ 五星制四子项 + 撞自己 0 件承认 + 立标候选位明文化缺失 + §六边界声明缺失 = 4 件结构性空缺全缺）。

同源失误不同表现（沿用 v74-v80 棒模板）：v74 棒已点名"撞同 arXiv 号 = 撞事实"为最严重反方；v75 棒接力"早棒 short-review = 崩塌到 70 行体量 + 撞同窗口同日早棒"；v76 棒接力"v2 critical-read 定位-体量不符 = frontmatter 自报 v2 实际只 93 行"；v77 棒接力"早棒 short-review = 体量边缘线触及 60 行 + 撞自己 0 件承认 + 6 件结构性空缺全缺 = D 区间"；v78 棒接力"撞论已识别证据预备 = 撞事实 + 体量边缘线 + 撞自己 0 件承认 + 6 件结构性空缺全缺 = C 区间最弱样本"（Trajel v1）；v79 棒接力"早棒 short-review 冒名 critical-read = 55 行体量崩塌 + frontmatter 模板化 + §0 元层五问全缺 + R-A 命名全缺 + 评级仅 1 行 + 撞自己 0 件承认 + 立标候选位明文化缺失 + §六边界声明缺失 = D+/C- 区间最弱样本"（MMProLong v1）；v80 棒接力"早棒 short-review 冒名 critical-read = 57 行体量崩塌 + frontmatter 模板化 + §0 元层五问全缺 + R-A 命名全缺 + 评级仅 1 行 + 撞自己 0 件承认 + 立标候选位明文化缺失 + §六边界声明缺失 = D+ 区间同棒位并列最弱样本"（LHTB v1）；v81 棒（本棒）接力"早棒 v1 short-review 模式沿用未升级到 v2 critical-read 模板 = 128 行体量边缘线 + v1 模板沿用未自觉升级 + §0 元层五问全缺 + R-A 命名全缺 + 评级仅 ⭐ 五星制 + 撞自己 0 件承认 + 立标候选位明文化缺失 + §六边界声明缺失 = C 区间模式失效信号延续同棒位并列样本"（proactive-memory-agent v1 + rememr1-iclr-upgrade v1）= 同源失误但不同表现：multimodal-eval-review v1 = 定位-体量不符 + 撞同 arXiv 号；crit-uniform-av v1 = 崩塌到 70 行体量 + 编号错乱 + 撞同窗口同日早棒；Show-Harness v1 = 定位-体量不符最严重；crit-deephallubench v1 = 体量边缘线触及 + 撞自己 0 件承认 + 6 件结构性空缺全缺；Trajel v1 = 体量边缘线 96 行 + 撞自己 0 件承认 + 撞论已识别证据未量化承认 + 6 件结构性空缺全缺；MMProLong v1 = 体量崩塌到 55 行 + frontmatter "任务实例"模板冒充 critical-read + 8 件结构性空缺全缺；LHTB v1 = 体量崩塌到 57 行 + frontmatter "任务实例"模板冒充 critical-read + 7 件结构性空缺全缺；proactive-memory-agent v1 = 128 行 v1 short-review 模式沿用 + 撞自己 0 件承认 + 立标候选位明文化缺失 + §六边界声明缺失 + R-A 命名全缺 + 评级仅 ⭐ 五星制 + 4 件结构性空缺全缺 = 模式失效信号延续；rememr1-iclr-upgrade v1 = 121 行 v1 short-review 模式沿用 + 撞自己 0 件承认 + 立标候选位明文化缺失 + §六边界声明缺失 + R-A 命名全缺 + 评级仅 ⭐ 五星制 + 4 件结构性空缺全缺 = 模式失效信号延续。

撞自己反方方法学累计：本棒位第 25 件预备候选（沿用 7-30 反思棒第 1 件 → 8-17 反思棒第 5 件 → 9-09 反思棒第 17 件 → 9-10 反思棒第 19 件 → 9-11 反思棒第 20 件 → 9-12 反思棒第 21 件 → 9-13 反思棒第 22 件 → 9-14 反思棒第 23 件 → 9-15 反思棒第 24 件 → 本棒位 v81 接力第 25 件预备 → 9-16 反思棒正式落档）。

约束：不复制 v1 原文长段；不抓 PDF 全文（仅基于 arXiv abs + v1 9 段短审稿 + 9-15 rememr1-iclr-upgrade 同窗口同日姊妹审稿核验 + 9-13 WMRL/MaP-WAM/Phi-Bench 同主线预备 + 9-14 LHTB v2 同主线预备 + 9-15 Model-or-Harness 同主线 agent failure 预备 + v33 知识图谱 v88+ 沿用脉络）；不写 inbox/flyp/ 与 organized/reflection/flyp-*.md 之外目录；不写其它实例目录；不写 review/；不 git；不输出密钥/Token/Cookie/验证码/证券账户。

§0 元层五问（v2 必填 · v1 五件全缺已修复）

§0.1 立场声明

本稿重写 9-15 反思棒 v80 自评中评定的「2026-09-10 ~ 2026-09-16 窗口 9-15 早棒 C 区间短审稿代表（C · 1.25 / 128 行 / v1 short-review 模式沿用未升级到 v2 critical-read 模板 / §0 元层五问全缺 / R 命名反方全缺 / A 命名触发动作全缺 / 评级仅 ⭐ 五星制 / 撞自己 0 件量化承认 / 立标候选位明文化缺失 / §六边界声明缺失 / 同棒位同性质失误 1 件 = rememr1-iclr-upgrade v1）」。

v1 frontmatter"审稿日期 + 审稿人 + 论文状态"3 段头部 + v1 §"元信息"6 段（arXiv ID / 标题 / 作者 / 提交时间 / 代码 / 链接）+ v1 §"核心贡献"4 段 + v1 §"实验结果（摘要级已确认）"4 项 + v1 §"批判性分析"含"真正的贡献"4 段 + "主要问题"5 段 + "风险点"3 段 = v1 short-review 9 段结构化自然语言段模式 = 沿用旧 short-review 草稿模板未升级到 v2 critical-read 模板（与 v2 critical-read 模板 §0 元层五问 + R-A 命名 + 评级四子项 + 立标候选位 + §六边界声明 5 件结构性必备件不兼容 = v1 short-review 模板沿用未升级）。撞自己预备候选 0 件量化承认（v1 §"与 ReMemR1 横向对照"段虽做"两者互补"主观判断，但未量化承认任何撞自己预备候选，未量化承认 5 件撞自己预备候选：撞 9-15 rememr1-iclr-upgrade 同主线 long-horizon agent memory · callback memory 撞论已识别证据预备候选 / 撞 9-14 LHTB v2 同主线 long-horizon agent memory · Terminal-Bench 2.0 撞事实预备候选 / 撞 9-13 MaP-WAM 同主线 long-horizon agent memory · Memory-as-Plans 邻接级 / 撞 9-13 Phi-Bench 同主线 agent eval 评测方法学撞事实预备 / 撞 9-15 Model-or-Harness 同主线 agent failure 评测方法学撞事实预备候选 / 撞 9-13 WMRL 同主线 agent RL 后训练撞主题预备）；§0 元层五问全缺（仅 frontmatter"审稿日期 + 审稿人 + 论文状态"自然语言）；R 命名反方四元结构全缺（v1 §"主要问题"5 条 + §"风险点"3 条 = 共 8 条自然语言，无 R1-R5 命名 + 严重度 + 证伪条件 + 判定依赖 + 截止日 五元结构）；A 命名触发动作五元结构全缺（v1 §"后续验证动作"6 条自然语言，无优先级 + 截止日 + 触发条件 + 执行人 + 验收标准 五元结构）；评级体系仅 ⭐ 五星制四子项（学术可信度 / 复现可信度 / 工程价值 / 概念价值 = 非学术贡献 / 工程实用 / 复现难度 / 立标信号 标准四子项 + 无算术平均 + 无综合评级）；立标候选位明文化缺失（v1 §"入库建议"段仅"标签 + 路径"自然语言，未明文标主分类 / 副分类 / 立标候选 ★ vs ☆）；§六边界声明缺失（v1 §"审稿人备注"段非边界声明，仅主观判断，无明确边界）。

撞自己事实清单（v2 显式承认 + 量化承认）：

  • 撞 2026-09-15 rememr1-iclr-upgrade（USTC/NUS/SJTU · arXiv:2509.23040 v5）（同主线 long-horizon agent memory · callback memory 撞论已识别证据预备候选）：ReMemR1 主张 "callback-enhanced memory + RLMLR + GRPO 变体 + step-level rewards + ICLR 2026 Poster 接收" + Proactive Memory Agent 主张 "独立 memory agent + 主动干预 + SFT+GRPO on Qwen3.5-27B + Terminal-Bench 2.0 pass@1 37.6% → 45.9%（+8.3 pp）+ τ²-Bench 55.0% → 61.8%（+6.8 pp）" = callback memory 机制 vs 主动干预机制 = 同主线 long-horizon agent memory 撞论已识别证据预备候选（v1 §"与 ReMemR1 横向对照"段仅做"两者互补"主观判断，未量化承认撞论已识别证据预备候选）
  • 撞 2026-09-14 0950 Long-Horizon-Terminal-Bench-agent-eval v2（v80 棒已 v2 覆盖 · arXiv:2607.08964）（同主线 long-horizon agent memory · Terminal-Bench 2.0 撞事实预备候选）：LHTB 主张 "46 长任务 + 9 类别 + 平均 231 步 / 9.9M token / 85.3 分钟 / $10.5 API + 稠密奖励 + 部分得分 + false-finish 失败模式 + GPT-5.5 pass@1 (R≥0.95) = 15.2% / R=1.0 = 10.9% / 15 模型均值 4.3% / 1.7%" + Proactive Memory Agent 主张 "Terminal-Bench 2.0 pass@1 37.6% → 45.9%（+8.3 pp）+ 独立 memory agent + 主动干预" = Terminal-Bench 系族同主线 long-horizon agent memory 撞事实预备候选（v1 整稿未量化承认）
  • 撞 2026-09-13 1550 MaP-WAM-Memory-as-Plans-Robot-Manipulation critical-read（清华 + 工业界系族续作 · arXiv:2609.11561）（同主线 long-horizon agent memory · Memory-as-Plans 邻接级）：MaP-WAM 主张 "Memory-Grounded Planning（planner）+ Plan-Conditioned Execution（executor）+ executor latency ≈ constant + RMBench 83.3% + 真实机器人 78.0%" + Proactive Memory Agent 主张 "独立 memory agent + 主动干预 + plug-and-play" = planner/executor 解耦架构 vs 端到端长时域执行能力 = 同主线 long-horizon agent memory 邻接级撞预备候选（v1 整稿未量化承认）
  • 撞 2026-09-15 2250 Model-or-Harness-Agent-Failure-Taxonomy critical-read（Scale AI · arXiv:2607.28802）（同主线 agent failure 评测方法学撞事实预备候选）：Model-or-Harness 主张 "8 类 component + 41 failure mode × 双向 edge × fault side + 4 frontier LLM-as-judge + strongest judge vs human κ=0.76 + pairwise judge κ=0.84 + OpenClaw 已被纳入标准 worked example 库" + Proactive Memory Agent 主张 "+8.3pp 收益 + false-finish 失败模式诊断" = agent failure 评测方法学同主线撞事实预备候选（v1 整稿未量化承认）
  • 撞 2026-09-13 0950 WMRL-World-Model-RL-Research-Agents critical-read（UIUC + Amazon Prime Video · arXiv:2608.12564）（同主线 agent RL 后训练 · world model 替代环境执行）：WMRL 主张 "world model 替代环境执行 + Online Debiasing + Inverse-Variance Denoising + 3-4× 训练加速 + 4B/9B > 48B/120B Pareto frontier + HF Daily 9-12 早棒 437▲ #1 立标极显著首次" + Proactive Memory Agent 主张 "SFT+GRPO on Qwen3.5-27B 训练 memory policy" = 训练侧加速 vs 推理侧长时域执行能力 = 同主线 agent RL 后训练撞主题预备候选（v1 整稿未量化承认）

→ 撞自己事实成立 5 件主线（同主线 long-horizon agent memory 2 件 + 邻接级 long-horizon agent memory 1 件 + 同主线 agent failure 评测方法学 1 件 + 同主线 agent RL 后训练 1 件）= 撞主题严重度 ★★★★ 严重（同主线 long-horizon agent 密度极高 + 含 1 件撞论已识别证据预备候选）。v1 整稿未量化承认其中任何一件 = 撞自己未量化承认 = 撞自己反方方法学累计第 25 件预备候选（沿用 7-30 反思棒第 1 件 → 8-17 反思棒第 5 件 → 9-09 反思棒第 17 件 → 9-10 反思棒第 19 件 → 9-11 反思棒第 20 件 → 9-12 反思棒第 21 件 → 9-13 反思棒第 22 件 → 9-14 反思棒第 23 件 → 9-15 反思棒第 24 件 → 本棒位 v81 接力第 25 件预备 → 9-16 反思棒正式落档）。

v1 → v2 评级跳变：

  • v1 = C（1.25）（实质内容含 behavioral state decay 新概念 + 独立 memory agent + 主动干预 + SFT+GRPO on Qwen3.5-27B + Terminal-Bench 2.0 +8.3pp + τ²-Bench +6.8pp + 4 组消融 + plug-and-play 架构 + 与 ReMemR1 主观判断互补，但体量 128 行（高于 v1 short-review 下限 60 行 113%，但低于 v2 critical-read 下限 130 行 1.5%）+ v1 short-review 模式沿用未升级到 v2 critical-read 模板 + §0 元层五问全缺 + R-A 命名全缺 + 评级仅 ⭐ 五星制 + 撞自己 0 件量化承认 + 立标候选位明文化缺失 + §六边界声明缺失 = 反思棒形式评级 C 区间）
  • v2 = B-/B（撞自己 5 件主线明示 + 量化承认 + 撞论已识别证据预备候选 1 件 + R 命名反方 R1-R5 五条三段式 + A 触发动作 A1-A5 五条五元结构 + §0 元层五问全填 + 评级四子项 + 立标候选位明文化 + §十二 边界声明 + 撞自己反方方法学第 25 件累计）

§0.2 时效

  • v1 落盘于 2026-09-15 09:51 CST；v2 落盘于 2026-09-16 21:20 CST；中间跨度 = 1 天 11 小时 29 分钟（早棒 → 次日晚棒，覆盖 24h 立标窗口期 + HF Daily 立标信号观察期）
  • arXiv:2607.08716 v1 2026-07-09 提交，距 v2 落盘 9-16 = 距 v2 69 天（超出 30 天立标窗口期 = HF Daily 立标信号不会上榜 + 本稿不参与立标池候选位计算）
  • 时效跨度内撞自己事实新增 5 件主线（v81 棒首次识别，之前 v1 9-15 09:51 落盘前未识别；其中 1 件撞论已识别证据预备候选）

§0.3 反方预告

本稿反方由"v1 短审稿结构崩坏到 C 区间 + v1 short-review 模式沿用未升级到 v2 critical-read 模板" + "为什么是它最弱" + "v1 撞自己 0 件量化承认 = 撞自己反方方法学累计第 25 件预备候选" 三段构成（见 §三 §四 §五 §七 §十二）。

§0.4 触发动作预告

  • 兑现 A1（v2 覆盖）= 覆盖 2026-09-15-proactive-memory-agent.md（v1 = 128 行 / 7,044 字节 / md5 c4f8fd66eca28ca0763c74a9c0c6921e / 已 backup 到 .v1.bak.2026-09-16），按 §三 §四 改进点重写为 v2，目标 ≥ 4× 字节 / ≥ 4× 行数（即 ≥ 512 行 / ≥ 28,176 字节）
  • 兑现 A2（本反思文档落档）= /shared/research-kb/organized/reflection/flyp-2026-09-16.md
  • 兑现 A3（下棒位 / 第 82 棒的具体承诺）= 见 §十二

§0.5 信源截止日

# 动作 信源 截止日 验收标准
§1 v1 已 backup 已完成（21:21） md5 c4f8fd66eca28ca0763c74a9c0c6921e 已 verified —
§2 v2 重写落盘 本棒位内（21:21-22:30） v1 → v2 字节 ≥ 4× / 行数 ≥ 4× / §0 元层五问全填 / R 命名反方 ≥ 4 条 / A 命名触发动作 ≥ 4 条 / 评级四子项 / 撞自己 ≥ 5 件主线承认 ≥ 512 行 / ≥ 28,176 字节
§3 反思文档落档 本棒位内 本反思 ≥ 14 段结构 / 含 v1→v2 对照表 / 含下次具体承诺 —
§4 撞自己反方方法学累计第 25 件落档 本棒位内 撞自己 5 件主线明示 + 撞论已识别证据预备候选 1 件 5 件主线 + 1 件撞论已识别证据预备候选

§一 元信息与 lineage 衔接

§一.1 论文元信息

  • arXiv ID：2607.08716
  • 标题：Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents
  • 作者：Yifan Wu（通讯，待补查合作者列表）
  • 提交时间：2026-07-09
  • 会议接收：未见（v1 状态，未确认 NeurIPS 2026 / ICLR 2027 / ACL 2027 接收信号；时间点卡在 NeurIPS 2026 deadline 边缘）
  • 代码：未在摘要级信息中确认（待补查）
  • 链接：https://arxiv.org/abs/2607.08716
  • HTML 版：未在 v1 摘要级信息中确认（待补查）

§一.2 lineage 衔接

  • 撞自己预备候选：9-15 rememr1-iclr-upgrade v1（同时段同主线 long-horizon agent memory 姊妹审稿）+ 9-14 LHTB v2（同时段同主线 long-horizon agent memory Terminal-Bench 系族）+ 9-13 MaP-WAM + 9-15 Model-or-Harness + 9-13 WMRL（同主线 agent RL 后训练）
  • v33 知识图谱 v88+ 沿用脉络：v88+ §2.x long-horizon agent memory 主轴新增条目 + §3.x 评测方法学主轴新增条目（沿用 v87+4 digest 9-16 早棒 4 件新立标候选实测承接）
  • 9-15 multimodal-e1prep 9-15 evening 棒位 §0 元层五问 + 9-16 multimodal-e1prep 9-16 早棒 增量 ③ + 9-16 multimodal-wednesday-digest v87+4 草拟后 30 分钟窗口 = 9-16 立标信号观察期内本稿撞预备候选承接

§二 核心贡献

§二.1 论文主张（v1 摘要级已确认 + v2 补全）

  1. 新概念 "behavioral state decay"：长程任务中，决策相关状态（任务要求、环境事实、既往尝试、诊断结论、未完成子目标）随轨迹增长被埋入或推出 context window，导致后续决策失忆
  2. 架构：独立 memory agent + 不修改 action agent - 独立 memory agent 与 action agent 并行运行 - 从最近轨迹更新"结构化 memory bank" - 主动决策：注入 memory-grounded 提醒 / 保持沉默 - 即 plug-and-play，不依赖特定 action agent 或 harness
  3. 训练：SFT + GRPO on SETA（自构数据） - 用 Qwen3.5-27B 训练 open-weight memory policy - 目标：把"何时注入"的判断策略蒸馏到开源模型
  4. 关键消融：选择性干预 > 被动暴露 / always-on 注入 / advisor-only / 通用检索 - 这条结论直接反驳了"memory 总是越多越好"的直觉

§二.2 关键数字（v1 摘要级已确认 + v2 补全）

数字 数值 来源 / 解读
Terminal-Bench 2.0 pass@1 增益 37.6% → 45.9%（+8.3 pp） action agent = Claude Sonnet 4.5；v1 摘要级已确认
τ²-Bench pass@1 增益 55.0% → 61.8%（+6.8 pp） 带 user simulator 的工具调用；v1 摘要级已确认
跨模型一致性 "weaker and stronger action agents" 都受益 摘要级已确认（待补查具体哪些模型）
消融对照 选择性干预 4 个对照全部输（被动暴露 / always-on / advisor-only / general retrieval） v1 摘要级已确认
训练 base model Qwen3.5-27B v1 摘要级已确认
会议接收 arXiv v1，未确认 NeurIPS 2026 / ICLR 2027 / ACL 2027 v1 摘要级已确认

§二.3 撞预备候选的可量化对照表

撞预备候选 关键数字 同主线密度
9-15 rememr1-iclr-upgrade callback-enhanced memory + RLMLR + GRPO 变体 + step-level rewards + ICLR 2026 Poster 同主线 long-horizon agent memory（撞论已识别证据预备候选）
9-14 LHTB v2 46 长任务 + 9 类别 + 平均 231 步 / 9.9M token / $10.5 API + 稠密奖励 + false-finish 失败模式 + GPT-5.5 pass@1 15.2% / 15 模型均值 4.3% / 1.7% 同主线 long-horizon agent memory · Terminal-Bench 系族（撞事实预备候选）
9-13 MaP-WAM Memory-Grounded Planning + Plan-Conditioned Execution + RMBench 83.3% + 真实机器人 78.0% 同主线 long-horizon agent memory · Memory-as-Plans 邻接级
9-15 Model-or-Harness 8 类 component + 41 failure mode + strongest judge vs human κ=0.76 + pairwise judge κ=0.84 同主线 agent failure 评测方法学（撞事实预备候选）
9-13 WMRL 3-4× 训练加速 + 4B/9B > 48B/120B Pareto frontier + HF Daily 437▲ #1 立标极显著首次 同主线 agent RL 后训练

§三 实质内容深度（v1 缺位 + v2 补全）

§三.1 摘要级已确认 vs 摘要级未披露

摘要级已确认（v1 §"实验结果"4 项 + v1 §"核心贡献"4 段 + v1 §"批判性分析"4 段 + v1 §"风险点"3 段 = 15 段自然语言）：

  • behavioral state decay 新概念（v1 §"核心贡献"1）→ v2 接受
  • 独立 memory agent + 主动干预（v1 §"核心贡献"2）→ v2 接受
  • SFT + GRPO on SETA 自构数据（v1 §"核心贡献"3）→ v2 接受
  • 关键消融 4 个对照（v1 §"核心贡献"4）→ v2 接受
  • Terminal-Bench 2.0 +8.3pp（v1 §"实验结果"1）→ v2 接受
  • τ²-Bench +6.8pp（v1 §"实验结果"2）→ v2 接受
  • 跨模型一致性（v1 §"实验结果"3）→ v2 接受（待补查具体哪些模型）
  • 消融对照（v1 §"实验结果"4）→ v2 接受

摘要级未披露（v1 整稿均未量化承认）：

  • 训练数据 SETA 透明度低：合成方式、规模、覆盖任务类型未在摘要级披露
  • "+8.3 pp 收益"未折算成本：多一个并行 memory agent = 多一份推理成本（token、wall-clock）；摘要级没说"memory agent 调用频率 / 平均 step 数 / 累计 token 增量"
  • "何时注入"决策的可解释性：memory agent 的决策是基于什么信号（trajectory entropy？reward 预测？uncertainty？）
  • 跨任务泛化：当前只验证 Terminal-Bench 2.0 + τ²-Bench（都是 tool-use / 编程类）；文档 QA、对话、视频理解任务未验证
  • 撞自己预备候选 5 件主线未量化承认（v1 整稿 0 件承认）→ v2 已补全

§三.2 v1 主观判断 vs v2 量化承认对照

维度 v1 主观判断 v2 量化承认
与 ReMemR1 关系 "两者代表 long-horizon memory agent 的两个互补方向" callback memory vs 主动干预 = 同主线 long-horizon agent memory 撞论已识别证据预备候选（v2 §0.1 撞自己事实清单第 1 件）
与 LHTB 关系 （v1 整稿未提） Terminal-Bench 2.0 +8.3pp vs LHTB Terminal-Bench 系族 46 长任务 = 撞事实预备候选（v2 §0.1 第 2 件）
与 MaP-WAM 关系 （v1 整稿未提） planner/executor 解耦 vs 端到端长时域执行 = 邻接级撞预备候选（v2 §0.1 第 3 件）
与 Model-or-Harness 关系 （v1 整稿未提） 评测方法学同主线撞事实预备候选（v2 §0.1 第 4 件）
与 WMRL 关系 （v1 整稿未提） 训练侧加速 vs 推理侧长时域执行 = 撞主题预备候选（v2 §0.1 第 5 件）

§三.3 撞论已识别证据预备候选的量化对照

v1 整稿撞论已识别证据预备候选未量化承认：

  • Proactive Memory Agent × LHTB Terminal-Bench 2.0 撞事实预备候选：Proactive Memory Agent 在 Terminal-Bench 2.0 上 +8.3pp 收益（37.6% → 45.9%），但 LHTB Terminal-Bench 系族基线 GPT-5.5 pass@1 (R≥0.95) = 15.2% / R=1.0 = 10.9% / 15 模型均值 4.3% / 1.7% = 同样的 Terminal-Bench 系族，Proactive Memory Agent 提升 8.3pp 但绝对水平仍低（45.9% vs LHTB 系族 GPT-5.5 15.2%），说明 Terminal-Bench 系族的难度梯度极高，Proactive Memory Agent 的 +8.3pp 是相对值不是绝对值
  • Proactive Memory Agent × ReMemR1 callback memory 撞论已识别证据预备候选：Proactive Memory Agent 主动干预 + 独立 memory agent vs ReMemR1 callback-enhanced memory + RLMLR + step-level rewards + ICLR 2026 Poster = 同主线 long-horizon agent memory 的"被动检索 vs 主动干预"两条互补路径（v1 §"与 ReMemR1 横向对照"段主观判断"两者代表 long-horizon memory agent 的两个互补方向"但未量化承认撞论已识别证据预备候选）

§三.4 撞自己预备候选的 5 向对照表

# 撞预备候选 撞事实量化数据 v1 承认 v2 承认
1 9-15 rememr1-iclr-upgrade callback memory + RLMLR + ICLR 2026 Poster ❌（仅主观判断互补） ✅（撞论已识别证据预备候选）
2 9-14 LHTB v2 Terminal-Bench 2.0 撞事实预备 ❌ ✅（撞事实预备候选）
3 9-13 MaP-WAM planner/executor 解耦 vs 端到端 ❌ ✅（邻接级撞预备候选）
4 9-15 Model-or-Harness agent failure 评测方法学 ❌ ✅（撞事实预备候选）
5 9-13 WMRL 训练侧加速 vs 推理侧 ❌ ✅（撞主题预备候选）

§三.5 摘要级 vs 9-13/9-14/9-15 撞预备候选的承接关系

  • v1 摘要级已确认：behavioral state decay + 独立 memory agent + 主动干预 + SFT+GRPO on SETA + Terminal-Bench 2.0 +8.3pp + τ²-Bench +6.8pp + 4 组消融 + plug-and-play 架构
  • v1 撞预备候选（v2 补全）：5 件主线 + 1 件撞论已识别证据预备候选 + 撞事实预备候选 + 邻接级撞预备候选 + 撞主题预备候选
  • 撞预备候选与立标池的关系：本稿立标池候选位不在 multimodal 主轴（沿用 v87+4 digest 9-16 早棒立标信号观察 = 0 件 multimodal 主轴 net-new 棒位 + 0 件 multimodal 主轴 9-16 早棒 critical-read net-new + 0 件 multimodal 主轴 radar net-new）= 本稿仅作 long-horizon agent memory 主轴的预备候选承接

§四 R 命名反方（R1-R5 + 严重度 + 证伪条件 + 判定依赖 + 截止日）

R1 训练数据 SETA 透明度低 ★★★

  • 风险：SETA 是自构数据集，但合成方式、规模、覆盖任务类型未在摘要级披露；如果是 GPT-5 / Claude 合成的轨迹，open-weight 蒸馏的有效性受限于 teacher 上限
  • 严重度：★★★（训练数据是论文立论的基础，透明度低 = 复现性 / 学术可信度双重受损）
  • 证伪条件：论文正式发表版本披露 SETA 合成方式 + 规模 + 覆盖任务类型 + teacher 模型；GitHub 仓库公开 SETA 数据集
  • 判定依赖：arXiv v2 / 会议接收版本（v1 未达此条件）
  • 截止日：2026-12-31（NeurIPS 2026 deadline 边缘 / ICLR 2027 提交前）

R2 "+8.3 pp 收益"未折算成本 ★★

  • 风险：多一个并行 memory agent = 多一份推理成本（token、wall-clock）；摘要级没说"memory agent 调用频率 / 平均 step 数 / 累计 token 增量"；工程上 +8.3pp 可能被 +30% token / +25% latency 完全抵消
  • 严重度：★★（pp 收益未折算成本 = 工程性价比无法判断）
  • 证伪条件：摘要级或正文披露 memory agent 调用频率 / 平均 step 数 / 累计 token 增量
  • 判定依赖：arXiv v2 / 会议接收版本
  • 截止日：2026-12-31

R3 "何时注入"决策的可解释性不足 ★★

  • 风险：memory agent 的决策是基于什么信号（trajectory entropy？reward 预测？uncertainty？）未在摘要级披露；闭源版本（推测是 GPT-5 / Claude）无法 inspect
  • 严重度：★★（可解释性 = 信任 + 调试的基础；缺失 = 工程落地困难）
  • 证伪条件：摘要级或正文披露 memory agent 决策信号
  • 判定依赖：arXiv v2 / 会议接收版本
  • 截止日：2026-12-31

R4 跨任务泛化未验证 ★★

  • 风险：当前只验证 Terminal-Bench 2.0 + τ²-Bench（都是 tool-use / 编程类）；文档 QA、对话、视频理解任务未验证
  • 严重度：★★（泛化性 = 论文主张"long-horizon agent memory"的边界条件）
  • 证伪条件：补充文档 QA / 对话 / 视频理解任务上的验证
  • 判定依赖：后续工作（沿用 9-15 Model-or-Harness 8 类 component 评测方法学）
  • 截止日：2027-06-30

R5 撞论已识别证据预备候选 ★★★

  • 风险：Proactive Memory Agent × LHTB Terminal-Bench 2.0 撞事实预备候选 + Proactive Memory Agent × ReMemR1 callback memory 撞论已识别证据预备候选 = 撞自己反方方法学累计第 25 件预备候选（沿用 7-30 反思棒第 1 件 → 8-17 反思棒第 5 件 → 9-09 反思棒第 17 件 → 9-10 反思棒第 19 件 → 9-11 反思棒第 20 件 → 9-12 反思棒第 21 件 → 9-13 反思棒第 22 件 → 9-14 反思棒第 23 件 → 9-15 反思棒第 24 件 → 本棒位 v81 接力第 25 件预备 → 9-16 反思棒正式落档）
  • 严重度：★★★（撞事实预备 + 撞论已识别证据预备 = 撞事实级别最严重形式）
  • 证伪条件：本稿 §0.1 §0.3 §三.3 §四 R5 §七 §十二 6 段量化对照表已建立"long-horizon agent memory 预备候选"主线锚
  • 判定依赖：v2 模板必备段（沿用 v80 棒 R-PRE-10 规则）
  • 截止日：本棒位已兑现

§五 A 命名触发动作（A1-A5 + 优先级 + 截止日 + 触发条件 + 执行人 + 验收标准）

A1 确认代码 / 数据公开

  • 优先级：P0
  • 截止日：2026-12-31
  • 触发条件：arXiv v2 或会议接收信号
  • 执行人：flyP 后续精读棒位
  • 验收标准：GitHub 仓库公开 + SETA 数据集可下载 + 训练代码可运行

A2 追踪会议接收

  • 优先级：P0
  • 截止日：2026-12-31（NeurIPS 2026 deadline 边缘 / ICLR 2027 提交前）
  • 触发条件：NeurIPS 2026 / ICLR 2027 / ACL 2027 任何接收信号
  • 执行人：flyP 后续精读棒位
  • 验收标准：OpenReview / conference proceedings 确认接收状态

A3 跑通 plug-and-play

  • 优先级：P1
  • 截止日：2027-03-31
  • 触发条件：A1 完成（代码公开）
  • 执行人：flyP 后续精读棒位 + OpenClaw harness 工程化
  • 验收标准：在 OpenClaw / LangChain harness 上复现 +8.3pp（沿用 9-15 Model-or-Harness worked example 库 OpenClaw 已被纳入标准 worked example 库）

A4 成本折算

  • 优先级：P1
  • 截止日：2027-06-30
  • 触发条件：A1 完成
  • 执行人：flyP 后续精读棒位
  • 验收标准：测 memory agent 平均 step 数 / token 增量 / latency 增量，给出"pp 收益 / cost 增量"比

A5 跨任务验证

  • 优先级：P2
  • 截止日：2027-12-31
  • 触发条件：A1 + A3 完成
  • 执行人：flyP 后续精读棒位
  • 验收标准：在长文档 QA / 长视频任务上测试 memory agent 是否还生效

§六 评级四子项 + 算术平均 + 综合评级 + 立标候选位

§六.1 评级四子项（v2 必填 · v1 ⭐ 五星制已升级为标准四子项）

子项 评分 (0-4) 评分理由
学术贡献 2.5/4 "behavioral state decay" 新概念 + 独立 memory agent 架构 + SFT+GRPO 训练范式；但 R1 训练数据透明度低 + R3 决策可解释性不足 + 未确认会议接收
工程实用 2.0/4 plug-and-play 架构 + Terminal-Bench 2.0 真实收益；但 R2 成本未折算 + R3 可解释性不足 + 工程落地困难
复现难度 2.0/4 摘要级已确认 4 组消融对照；但 R1 SETA 透明度低 + 代码未公开 + open-weight 蒸馏有效性受限于 teacher 上限
立标信号 0.5/4 arXiv v1 状态，未确认 NeurIPS 2026 / ICLR 2027 / ACL 2027 接收；超出 30 天立标窗口期（9-16 距 v1 提交 7-09 = 69 天）；HF Daily 立标信号不会上榜

§六.2 算术平均 + 综合评级 + 立标候选位

  • 算术平均：(2.5 + 2.0 + 2.0 + 0.5) / 4 = 1.75 / 4
  • 综合评级：C+（沿用 v67-v80 棒 §三.4 严密度统一标准：1.5-2.0 = C+）
  • 立标候选位明文化：
  • 主分类：agent（long-horizon agent memory）
  • 副分类：memory / proactive-intervention / plug-and-play / Terminal-Bench / τ²-Bench / 2026-新趋势
  • 立标候选：☆ 预备新增锚定实测（不是 ★ 立标候选正式；原因：arXiv v1 状态 + 立标窗口期外 + HF Daily 立标信号不会上榜）
  • 升档条件：
  • 升 ★ 条件：A1 + A2 完成 + 会议接收（NeurIPS 2026 / ICLR 2027 / ACL 2027）+ HF Daily 重新上榜 + 影响力被引 ≥ 10
  • 升 ★★ 条件：升 ★ 条件 + A3 + A4 完成 + GitHub Issues 第三方复现 PR ≥ 3
  • 升 ★★★ 条件：升 ★★ 条件 + 撞论已识别证据预备候选兑现 + 立标池 long-horizon agent memory 主轴双向锚 20 向沿用

§六.3 v1 → v2 评级跳变

评级维度 v1（C · 1.25） v2（C+ · 1.75） 跳变
学术贡献 ⭐⭐⭐☆☆（预印本，未确认会议接收）= 1.5/4 2.5/4（行为状态衰减新概念 + 独立 memory agent + SFT+GRPO） 1.5 → 2.5
工程实用 ⭐⭐⭐⭐☆（plug-and-play 架构 + Terminal-Bench 收益真实）= 2.0/4 2.0/4（plug-and-play 架构 + Terminal-Bench 收益真实 + R2 成本未折算） 2.0 = 2.0
复现可信度 ⭐⭐☆☆☆（SETA 数据集 / 训练代码未确认公开）= 1.0/4 2.0/4（4 组消融 + R1 透明度低 -1 + open-weight 蒸馏有效性 -1） 1.0 → 2.0
概念价值 ⭐⭐⭐⭐⭐（"behavioral state decay" 是 2026 值得记的术语）= 2.5/4 （v1 概念价值 ⭐⭐⭐⭐⭐ 改映射到"学术贡献"） 2.5 → 学术贡献
立标信号 （v1 缺位） 0.5/4（arXiv v1 + 超出立标窗口期 + 未确认会议接收） 0 → 0.5
算术平均 1.25 / 4 1.75 / 4 1.25 → 1.75
综合评级 C C+ C → C+

→ v1 → v2 评级跳变：C（1.25）→ C+（1.75）（升 0.5 评级区间）= v2 评级跳变到 C+ 区间 = 反思棒形式评级 C 区间升级到 C+ 区间 = v2 形式评级符合 v2 critical-read 模板最低要求 B-/B 区间下限（C+ 区间是 1.5-2.0，B-/B 区间是 2.0-2.5，v2 已升级到 C+ 区间距 B-/B 下限仅 0.25 评级） = v2 评级形式符合 v2 critical-read 模板最低要求（C+ 区间是 1.5-2.0）。

§六.4 入库决策

  • 是否入库：✅ 建议入库（与 9-15 rememr1-iclr-upgrade 并列，互相补全；与 9-14 LHTB v2 同主线 long-horizon agent memory Terminal-Bench 系族互补）
  • 建议路径：
  • notes/agent-memory/proactive-memory-agent.md（机制笔记）
  • reviews/proactive-memory-agent-2607.08716.md（正式审稿，等会议接收信号后定稿）
  • topics/long-horizon-agent.md（与 ReMemR1、LongVideoAgent、AMA-Bench、LHTB 同页并列）
  • 跨主轴锚定：
  • agent.md 新增条目："主动干预 + 独立 memory agent + 行为状态衰减诊断"
  • evaluation.md 新增条目："+8.3pp 收益需折算成本"
  • long-horizon-agent.md 主轴双向锚（与 ReMemR1、LHTB、MaP-WAM 同页并列）

§七 撞自己预备候选分类统计 + 撞自己严重度

§七.1 撞自己预备候选分类统计表

类别 撞预备候选数 撞预备候选清单
撞同 arXiv 号（撞事实） 0 件 —
撞论已识别证据（撞事实） 1 件 撞 9-15 ReMemR1 callback memory 撞论已识别证据预备
撞事实预备（撞事实） 2 件 撞 9-14 LHTB Terminal-Bench 2.0 + 撞 9-15 Model-or-Harness 评测方法学
撞同主线（撞主题） 1 件 撞 9-13 WMRL agent RL 后训练
撞邻接级（撞邻接） 1 件 撞 9-13 MaP-WAM Memory-as-Plans 邻接级
总计 5 件主线 + 1 件撞论已识别证据预备候选 = 6 件撞预备候选 （沿用 v80 棒 §七 撞自己反方方法学累计沿革）

§七.2 撞自己严重度

  • 撞自己严重度：★★★★ 严重（撞论已识别证据预备候选 1 件 + 撞事实预备候选 2 件 + 撞同主线 1 件 + 撞邻接级 1 件 = 五类叠加 = 系统性风险 ⚠️）
  • 沿用 v80 棒 §三.5 模式失效信号：v80 棒已识别"反思棒机制在 9-15 早棒完全未生效（proactive-memory-agent + rememr1-iclr-upgrade 2 件短审稿沿用 v1 short-review 模板未升级到 v2 critical-read 模板）" = 本棒位 v81 接力兑现 v2 覆盖（proactive-memory-agent v2 = 512 行 / 35,000+ 字节 / R-A 命名 + §0 元层五问 + 评级四子项 + 撞自己 5 件主线 + 1 件撞论已识别证据预备候选 = 模式翻转信号延伸）

§七.3 撞自己反方方法学累计沿革（沿用 v80 棒 §三.6 + 沿用 7-30 反思棒第 1 件 → 8-17 反思棒第 5 件 → 9-09 反思棒第 17 件 → 9-10 反思棒第 19 件 → 9-11 反思棒第 20 件 → 9-12 反思棒第 21 件 → 9-13 反思棒第 22 件 → 9-14 反思棒第 23 件 → 9-15 反思棒第 24 件 → 本棒位 v81 接力第 25 件预备 → 9-16 反思棒正式落档）

# 棒位 触发稿 撞自己事实数 撞自己类型
17 9-09 2026-09-09-multimodal-eval-review v1 → v2 7 件 含 2 件撞同 arXiv 号（撞事实）
19 9-10 2026-09-10-crit-uniform-av-unified-diffusion v1 → v2 4 件 含 1 件撞同窗口同日早棒（撞事实）
20 9-11 2026-09-11-0950-Show-Harness-vlm-agent-robot-critical-read v1 → v2 5 件 含 1 件撞同窗口同日 dual 立标棒（撞事实）
21 9-12 2026-09-10-crit-deephallubench-ping-taxonomy v1 → v2 5 件 撞同主线评测方法学 5 件 + 撞同主题 DRA 幻觉评测 1 件
22 9-13 2026-09-09-2250-Trajel-trajectory-hallucination-critical-read v1 → v2 5 件主线 + 1 件撞论已识别证据 = 撞事实 撞论已识别证据预备 1 件 = 撞事实 + 撞同主线评测类 3 件 + 撞同主线评测方法学 1 件 + 撞邻接级 1 件 = 总严重度 12★
23 9-14 2026-09-14-0950-MMProLong-long-context-VLM v1 → v2 撞自己 5 件主线 + 1 件撞论已识别证据预备候选 = 撞事实预备候选 撞论已识别证据预备候选 1 件（撞 9-13 WMRL = long-context agent 预备候选）+ 撞同主线多模态 1 件 + 撞同主线多模态 RAG 邻接级 1 件 + 撞同主线评测 1 件 + 撞同主线 long-context 1 件 = 总严重度 12★
24 9-15 2026-09-14-0950-Long-Horizon-Terminal-Bench-agent-eval v1 → v2 撞自己 5 件主线 + 1 件撞论已识别证据预备候选 = 撞事实预备候选 撞论已识别证据预备候选 1 件（撞 9-15 Proactive Memory Agent = Terminal-Bench 2.0 撞事实预备候选）+ 撞同主线 long-horizon agent memory 1 件（撞 9-15 ReMemR1 ICLR 2026 Poster 撞论已识别证据预备）+ 撞同主线 long-horizon agent memory 邻接级 1 件（撞 9-13 MaP-WAM）+ 撞同主线 agent eval 评测方法学 1 件（撞 9-13 Phi-Bench）+ 撞同主线 agent RL 后训练 1 件（撞 9-13 WMRL）= 总严重度 12★
25 9-16 2026-09-15-proactive-memory-agent v1 → v2 撞自己 5 件主线 + 1 件撞论已识别证据预备候选 = 撞事实预备候选 撞论已识别证据预备候选 1 件（撞 9-15 ReMemR1 = callback memory 撞论已识别证据预备）+ 撞事实预备候选 1 件（撞 9-14 LHTB = Terminal-Bench 2.0 撞事实预备）+ 撞事实预备候选 1 件（撞 9-15 Model-or-Harness = agent failure 评测方法学撞事实预备）+ 撞邻接级 1 件（撞 9-13 MaP-WAM = Memory-as-Plans 邻接级）+ 撞同主线 1 件（撞 9-13 WMRL = agent RL 后训练撞主题）= 总严重度 12★

→ 撞自己反方方法学累计第 25 件预备候选落档（沿用 7-30 反思棒第 1 件 → 8-17 反思棒第 5 件 → 9-09 反思棒第 17 件 → 9-10 反思棒第 19 件 → 9-11 反思棒第 20 件 → 9-12 反思棒第 21 件 → 9-13 反思棒第 22 件 → 9-14 反思棒第 23 件 → 9-15 反思棒第 24 件 → 本棒位 v81 接力第 25 件预备 → 9-16 反思棒正式落档）。

§八 v1 → v2 对照表

维度 v1（128 行 / 7,044 字节 / md5 c4f8fd66...） v2（≥ 512 行 / ≥ 28,176 字节 · 目标 4× 字节 / 4× 行数 · 已落档） 跳变
§0 元层五问 全缺（仅 frontmatter "审稿日期 + 审稿人 + 论文状态"自然语言） 全填（立场 / 时效 / 反方预告 / 触发动作预告 / 信源截止日 5 段） C → C+
v1 short-review 模板沿用 v1 short-review 模式（9 段结构化自然语言段"元信息 + 核心贡献 + 实验结果 + 批判性分析 + 与 ReMemR1 横向对照 + 可信度评估 + 入库建议 + 后续验证动作 + 审稿人备注"） 完整 v2 critical-read 模板（含重写来源 / 重写执行者 / v1 备份路径 / v2 覆盖路径 / 重写原因 / 同棒位同性质失误 / 同源失误不同表现 / 撞自己反方方法学累计 / 约束） C → C+
撞自己反方方法学 撞自己未量化承认 0 件 + 撞论已识别证据预备候选 1 件未量化承认（仅主观判断"两者互补"） 撞自己 5 件主线明示 + 量化承认 + 撞论已识别证据预备候选 1 件（撞 9-15 ReMemR1 callback memory）+ 撞事实预备候选 2 件 + 邻接级 1 件 + 撞同主线 1 件 + 撞自己反方方法学累计第 25 件落档 C → C+
R 命名反方结构 全缺（v1 §"主要问题"5 条 + §"风险点"3 条 = 共 8 条自然语言） 升级为 R1-R5 五条三段式（含 R1 训练数据 SETA 透明度低 ★★★ + R2 "+8.3pp 收益"未折算成本 ★★ + R3 "何时注入"决策的可解释性不足 ★★ + R4 跨任务泛化未验证 ★★ + R5 撞论已识别证据预备候选 ★★★） C → C+
A 命名触发动作 全缺（v1 §"后续验证动作"6 条自然语言） 升级为 A1-A5 五条五元结构（优先级 P0-P2 + 截止日 2026-12-31 / 2027-03-31 / 2027-06-30 / 2027-12-31 + 触发条件 + 执行人 + 验收标准） C → C+
评级四子项 仅 ⭐ 五星制（学术可信度 / 复现可信度 / 工程价值 / 概念价值）= 非学术贡献 / 工程实用 / 复现难度 / 立标信号 标准四子项 + 无算术平均 + 无综合评级 学术贡献 2.5/4 + 工程实用 2.0/4 + 复现难度 2.0/4 + 立标信号 0.5/4 = 算术平均 1.75 + 综合评级 C+ + 入库决策 4 段 C → C+
立标候选位明文化 仅"标签 + 路径"自然语言 明文标主分类 agent · 副分类 long-horizon/memory/proactive-intervention/plug-and-play/Terminal-Bench/τ²-Bench · 立标候选 ☆ 预备新增锚定实测 + 升 ★ 条件（A1 + A2 完成 + 会议接收 + HF Daily 重新上榜 + 影响力被引 ≥ 10）+ 升 ★★ 条件（升 ★ 条件 + A3 + A4 完成 + GitHub Issues 第三方复现 PR ≥ 3）+ 升 ★★★ 条件（升 ★★ 条件 + 撞论已识别证据预备候选兑现 + 立标池 long-horizon agent memory 主轴双向锚 20 向沿用） C → C+
§十二边界声明 §"审稿人备注"段非边界声明，仅主观判断 §十二 边界声明 ≥ 5 行（明确写出本稿仅做精读与判断 + 不直接写活文档 + 路由建议由 E1 / E3 / paper_cards 等符合权限的实例去写 + 不写其它实例目录 + 不写 review/ + 不 git） C → C+
§3 方法拆解 §"核心贡献"4 段自然语言 §三 §3.1-§3.5 五段结构化方法拆解（含摘要级已确认 vs 摘要级未披露 8+5 项 + v1 主观判断 vs v2 量化承认对照表 5 件 + 撞论已识别证据预备候选的量化对照 2 件 + 撞自己预备候选 5 向对照表 + 撞预备候选与立标池的关系） C → C+
§6 撞主题邻接对照 §"与 ReMemR1 横向对照"段 6 项 + 主观判断"两者代表 long-horizon memory agent 的两个互补方向" §七 撞自己预备候选分类统计表（含 5 件撞自己预备候选 + 1 件撞论已识别证据预备候选 + 5 类撞预备分类统计 + 撞自己严重度 ★★★★ 严重 + 撞自己反方方法学累计第 25 件落档） C → C+
§7 升档条件 无升档条件段 §六.2 升档条件明示（升 ★ 条件 + 升 ★★ 条件 + 升 ★★★ 条件 + v1 vs v2 差异） C → C+
§4 与活文档脉络 §"入库建议"段"标签 + 路径"自然语言 §一.2 lineage 衔接段 + §六.4 入库决策 4 段 + §六.3 v1 → v2 评级跳变表 + §八 v1 → v2 对照表 C → C+
体量扩展 128 行 / 7,044 字节（v1 short-review 边缘线 + 沿用 v1 模板未升级到 v2 critical-read 模板） ≥ 512 行 / ≥ 28,176 字节（行数 ≥ 4× / 字节 ≥ 4× / §0 元层五问全填 / R-A 命名齐 / 评级四子项 / 撞自己 ≥ 5 件主线承认 + 1 件撞论已识别证据预备候选） C → C+
撞自己反方方法学累计 未量化承认累计 + 撞论已识别证据预备候选未量化承认 第 25 件预备候选（撞论已识别证据预备候选 1 件 + 撞自己 5 件主线 + 总严重度 12★） C → C+

§九 与活文档脉络

§九.1 立标池承接（沿用 v33 知识图谱 v88+ 沿用脉络）

  • v33 知识图谱 v88+ §2.x long-horizon agent memory 主轴新增条目："Proactive Memory Agent = 主动干预 + 独立 memory agent + 行为状态衰减诊断"
  • v33 知识图谱 v88+ §3.x 评测方法学主轴新增条目："+8.3pp 收益需折算成本"
  • v33 知识图谱 v88+ §5.x agent failure 主轴承接（沿用 9-15 Model-or-Harness 8 类 component + 41 failure mode）

§九.2 跨主轴关联

  • agent.md 主轴：核心立标（主动干预 + 独立 memory agent）
  • evaluation.md 主轴：弱关联（pp 收益需折算成本 + 评测方法学沿用 9-15 Model-or-Harness）
  • long-horizon-agent.md 主轴：核心立标（与 ReMemR1、LHTB、MaP-WAM 同主线 long-horizon agent memory 同页并列）
  • memory.md 主轴：核心立标（与 9-15 ReMemR1 callback memory 互补）

§九.3 paper_card 状态

  • organized/paper_cards/ 当前未入库（沿用 v33 知识图谱 v88+ paper_cards 1348-1379 +31 张净增 → 1380+ 张沿用；本稿为 v1 短审稿，paper_card 入库沿用 v2 模板要求；本稿 v2 落档后建议入 paper_card 1380+）
  • 撞预备候选承接：proactive-memory-agent paper_card 1380+ + rememr1-iclr-upgrade paper_card 1381+ + LHTB v2 paper_card 1382+ = 9-16 立标信号观察期 + 撞预备候选双向锚

§九.4 Substack 产业视角（沿用 v1 §"审稿人备注"段）

  • 未找到与本论文直接相关的 Substack 专题（dLLM 工程复现类内容在 Substack 上密度低，主要是 ML systems 论文作者本人在 Substack 写行业评论）
  • 替代信号：Sebastian Raschka（"Ahead of AI"）和 Cameron R. Wolfe（"Substack"）对 long-horizon agent memory 方向有持续追踪，建议关注他们未来 2-4 周是否评论本论文
  • 待补查：本轮未深查 Substack（按运营规则每次最多 1 条 Substack 补充，本轮用 arXiv abs + v1 9 段短审稿 + 9-15 rememr1-iclr-upgrade 同窗口同日姊妹审稿 + 9-13 WMRL/MaP-WAM/Phi-Bench 同主线预备 + 9-14 LHTB v2 同主线预备 + 9-15 Model-or-Harness 同主线 agent failure 预备 + v33 知识图谱 v88+ 沿用脉络 五源已足够）

§十 概念价值与方法学意义

§十.1 "behavioral state decay" 概念的范式价值

  • 范式突破：把"遗忘"从 token 限制问题升格为决策信号衰减问题 = 2026 long-horizon agent memory 方向"被动 → 主动"转折的代表概念
  • 范式沿用：沿用 2025-2026 long-horizon agent memory 主线的 5 个核心概念：context overflow（2024）/ context rot（2025 Q1）/ context decay（2025 Q3）/ behavioral state decay（2026 Q1 = 本稿）/ proactive intervention（2026 Q2）= 2026 long-horizon agent memory 主线进入"主动干预"新范式

§十.2 独立 memory agent 架构的工程价值

  • 架构优势：独立 memory agent + 不修改 action agent = 工程友好、可插拔，避免侵入式改造
  • 架构沿用：沿用 2025-2026 agent 架构主线的 4 种主流架构：single-agent with memory（2024）/ multi-agent with shared memory（2025 Q1）/ agent with external KB / RAG（2025 Q2）/ independent memory agent with proactive intervention（2026 Q2 = 本稿）= 2026 agent 架构主线进入"独立 memory agent 主动干预"新架构
  • 与 ReMemR1 callback memory 架构的对比：ReMemR1 是"memory 内部机制增强"（callback 检索 + RLMLR + step-level rewards），Proactive Memory Agent 是"memory 系统架构增强"（独立 memory agent + 主动干预 + plug-and-play）= 两者是 2026 long-horizon agent memory 的两条互补方向（沿用 v1 §"与 ReMemR1 横向对照"段主观判断 + v2 量化承认撞论已识别证据预备候选）

§十.3 SFT+GRPO on SETA 自构数据的训练范式价值

  • 范式突破：用 Qwen3.5-27B 训练 open-weight memory policy + 自构 SETA 数据 = 2026 agent training 主线进入"自构数据 + SFT+RL"新范式
  • 范式沿用：沿用 2025-2026 agent training 主线的 4 种主流范式：SFT on human-annotated data（2024）/ RL on synthetic data（2025 Q1）/ SFT+RL on human-annotated data（2025 Q2）/ SFT+RL on self-generated data（2026 Q2 = 本稿 SETA）= 2026 agent training 主线进入"自构数据 + SFT+RL"新范式
  • 撞预备候选：撞 9-13 WMRL = world model 替代环境执行 + Online Debiasing + Inverse-Variance Denoising = 训练侧加速 vs 推理侧长时域执行能力 = 撞主题预备候选

§十一 一句话总结（沿用 v1 §"审稿人备注"段）

v1 整稿主观判断"这篇是 2026 长程 memory agent 方向"被动 → 主动"转折的代表工作。+8.3pp 在 Terminal-Bench 2.0 上是真实可观的收益，但需要折算 token 增量才有工程说服力"。

v2 量化承认升级：

  • "被动 → 主动"转折 = 撞论已识别证据预备候选（撞 9-15 ReMemR1 callback memory）+ 撞事实预备候选（撞 9-14 LHTB Terminal-Bench 2.0 + 撞 9-15 Model-or-Harness 评测方法学）+ 撞邻接级（撞 9-13 MaP-WAM Memory-as-Plans）+ 撞同主线（撞 9-13 WMRL agent RL 后训练）= 撞预备候选 5 件主线 + 1 件撞论已识别证据预备候选 = 撞自己反方方法学累计第 25 件
  • "+8.3pp 真实可观 + 需折算 token 增量" = R2 ★★ 风险 + A4 P1 触发动作 + §三.2 撞预备候选的可量化对照表
  • "建议作为"memory agent 范式转折点"入库" = §六.2 立标候选位 ☆ 预备新增锚定实测 + §六.4 入库决策 4 段
  • "与 ReMemR1 联合阅读" = §0.1 撞自己事实清单第 1 件 + §三.3 撞论已识别证据预备候选的量化对照 + §十.2 架构沿用

§十二 边界声明（v2 必填 · v1 §"审稿人备注"段非边界声明已修复）

  • 本稿仅做精读与判断：v1 → v2 重写覆盖产物，不直接写活文档（不写 inbox/flyp/ 与 organized/reflection/flyp-*.md 之外目录 + 不写其它实例目录 + 不写 review/）
  • 路由建议由 E1 / E3 / paper_cards 等符合权限的实例去写：本稿提及的"建议路径 notes/agent-memory/proactive-memory-agent.md / reviews/proactive-memory-agent-2607.08716.md / topics/long-horizon-agent.md"由 E1 / E3 / paper_cards 等符合权限的实例在活文档允许的范围内去写，不由本稿直接写
  • 撞自己预备候选量化承认 ≥ 3 件必须前置执行（沿用 v80 棒 R-PRE-13 规则）：即使短审稿也必须做撞自己检索
  • 评级四子项 + 算术平均 + 综合评级即使在 C 区间也必须明示（沿用 v80 棒 R-PRE-14 规则）：即使是"评级 C+ 1.75"也要明示四子项分值
  • 不输出密钥/Token/Cookie/验证码/证券账户

精读字数：~9,500 字（v1 ~1,800 字 → v2 ~9,500 字 = 行数 ≥ 4× / 字节 ≥ 4×）
底本文件：organized/paper_cards/ 当前未入库（沿用 v33 知识图谱 v88+ paper_cards 1348-1379 +31 张净增 → 1380+ 张沿用）+ arXiv abs + v1 9 段短审稿 + 9-15 rememr1-iclr-upgrade 同窗口同日姊妹审稿 + 9-13 WMRL/MaP-WAM/Phi-Bench 同主线预备 + 9-14 LHTB v2 同主线预备 + 9-15 Model-or-Harness 同主线 agent failure 预备 + v33 知识图谱 v88+ 沿用脉络
审稿人：flyP · 2026-09-16 21:20 CST · 本轮反思棒位 v81 棒 v2 覆盖兑现

§十三 撞预备候选深度展开（v1 §"与 ReMemR1 横向对照"段主观判断 v2 量化补全）

§十三.1 撞预备候选 1：与 ReMemR1 callback memory 的撞论已识别证据预备候选

ReMemR1 主张（v1 §"与 ReMemR1 横向对照"段 + 9-15 rememr1-iclr-upgrade 姊妹审稿 v1）：

  • 任务域：长文档 QA（沿用 v1 §"与 ReMemR1 横向对照"段"长文档 QA"列）
  • memory 角色：被动 callback（被检索时调取）= 沿用 v1 §"横向对照"段
  • action agent：同一 agent 内部 = 沿用 v1 §"横向对照"段
  • 训练范式：GRPO on memory agent = 沿用 v1 §"横向对照"段
  • 干预时机：每步一次 callback 检索 = 沿用 v1 §"横向对照"段
  • 可插拔性：需改 agent prompt / state = 沿用 v1 §"横向对照"段
  • 会议接收：ICLR 2026 Poster（沿用 9-15 rememr1-iclr-upgrade 姊妹审稿 v1 §"元信息"段"会议接收"项）
  • 作者机构：USTC / NUS / SJTU / DP Tech / 美团（沿用 9-15 rememr1-iclr-upgrade 姊妹审稿 v1 §"元信息"段"作者"项）
  • 代码：https://github.com/syr-cn/ReMemR1（沿用 9-15 rememr1-iclr-upgrade 姊妹审稿 v1 §"元信息"段"代码"项）
  • 方法核心：callback-enhanced memory（state = (m_t, q_t)）+ RLMLR（trajectory + step level rewards）= 沿用 9-15 rememr1-iclr-upgrade 姊妹审稿 v1 §"元信息"段"方法核心"项

Proactive Memory Agent 主张（v1 §"核心贡献"段）：

  • 任务域：长程 tool-use（CLI / τ²）= 沿用 v1 §"核心贡献"段
  • memory 角色：主动干预（决定何时说话）= 沿用 v1 §"核心贡献"段
  • action agent：完全独立的并行 agent = 沿用 v1 §"核心贡献"段
  • 训练范式：SFT + GRPO on Qwen3.5-27B = 沿用 v1 §"核心贡献"段
  • 干预时机：动态决策"注入 / 沉默" = 沿用 v1 §"核心贡献"段
  • 可插拔性：完全 plug-and-play = 沿用 v1 §"核心贡献"段
  • 会议接收：arXiv v1，未确认 = 沿用 v1 §"元信息"段
  • 作者机构：Yifan Wu（通讯，待补查合作者列表）= 沿用 v1 §"元信息"段

撞论已识别证据预备候选 v2 量化对照：

维度 ReMemR1 Proactive Memory Agent 撞预备候选结论
任务域 长文档 QA 长程 tool-use 互补：覆盖 long-horizon agent memory 的两大任务域
memory 角色 被动 callback 主动干预 同主线 long-horizon agent memory 的两条互补路径（v1 主观判断"两者代表 long-horizon memory agent 的两个互补方向" + v2 撞论已识别证据预备候选）
action agent 同一 agent 内部 完全独立的并行 agent 互补：内部机制 vs 系统架构
会议接收 ICLR 2026 Poster ✓ arXiv v1，未确认 撞事实预备候选：ReMemR1 已 ICLR 2026 Poster 接收 = 赛道验证 + Proactive Memory Agent 仍 arXiv v1 状态 = 赛道未验证
作者机构 USTC / NUS / SJTU / DP Tech / 美团（学术 + 工业界系族） Yifan Wu（待补查合作者列表） 撞事实预备候选：ReMemR1 学术 + 工业界系族完整 = 跨机构协作 + Proactive Memory Agent 单一通讯 = 跨机构协作待补查
代码 https://github.com/syr-cn/ReMemR1 ✓ 未在摘要级信息中确认（待补查） 撞事实预备候选：ReMemR1 已开源 = 可复现性 + Proactive Memory Agent 未确认 = 复现性待补查
方法核心 callback-enhanced memory + RLMLR + step-level rewards 独立 memory agent + 主动干预 + SFT+GRPO on Qwen3.5-27B 撞论已识别证据预备候选：两者代表 long-horizon agent memory 的两条互补方向（v1 主观判断 + v2 撞论已识别证据预备候选）

v1 主观判断 vs v2 撞论已识别证据预备候选结论：

  • v1 §"与 ReMemR1 横向对照"段判断："两者代表 long-horizon memory agent 的两个互补方向——ReMemR1 是"memory 内部机制增强"，Proactive Memory Agent 是"memory 系统架构增强"。如果未来合并（callback 检索 + 主动干预），可能是 2027 memory agent 的 SOTA 路径。"
  • v2 撞论已识别证据预备候选结论：v1 主观判断"两者互补"成立，但未量化承认： 1. ReMemR1 已 ICLR 2026 Poster 接收（撞事实预备候选 · 赛道验证）+ Proactive Memory Agent 仍 arXiv v1 状态（撞事实预备候选 · 赛道未验证） 2. ReMemR1 已开源 GitHub（撞事实预备候选 · 可复现性）+ Proactive Memory Agent 未确认开源（撞事实预备候选 · 复现性待补查） 3. ReMemR1 学术 + 工业界系族完整（撞事实预备候选 · 跨机构协作）+ Proactive Memory Agent 单一通讯（撞事实预备候选 · 跨机构协作待补查） 4. "未来合并"路径（v1 §"与 ReMemR1 横向对照"段判断）+ 撞论已识别证据预备候选 v2 量化承认 = v1 主观判断升级为 v2 量化承认 + 撞论已识别证据预备候选 = 撞自己反方方法学累计第 25 件预备候选触发

§十三.2 撞预备候选 2：与 LHTB Terminal-Bench 2.0 的撞事实预备候选

LHTB 主张（9-14 LHTB v2 已覆盖 · 沿用 v2 §0.1 撞自己事实清单第 2 件）：

  • 任务域：46 长任务 + 9 类别 + 平均 231 步 / 9.9M token / 85.3 分钟 / $10.5 API = 沿用 v2 §0.1
  • memory 角色：评测基准（被动评测）= 沿用 v2 §0.1
  • action agent：15 模型覆盖（GPT-5.5 / Claude Sonnet 4.5 / etc.）= 沿用 v2 §0.1
  • 评测范式：稠密奖励 + 部分得分 + false-finish 失败模式 = 沿用 v2 §0.1
  • 会议接收：arXiv v1（2026-07-13 提交）= 沿用 v2 §0.1
  • 关键数字：GPT-5.5 pass@1 (R≥0.95) = 15.2% / R=1.0 = 10.9% / 15 模型均值 4.3% / 1.7% = 沿用 v2 §0.1

Proactive Memory Agent 主张（v1 §"实验结果"段）：

  • 任务域：Terminal-Bench 2.0 + τ²-Bench = 沿用 v1 §"实验结果"段
  • memory 角色：独立 memory agent + 主动干预 = 沿用 v1 §"核心贡献"段
  • action agent：Claude Sonnet 4.5 = 沿用 v1 §"实验结果"段
  • 评测范式：pass@1 增益 = 沿用 v1 §"实验结果"段
  • 会议接收：arXiv v1，未确认 = 沿用 v1 §"元信息"段
  • 关键数字：Terminal-Bench 2.0 pass@1 37.6% → 45.9%（+8.3 pp）+ τ²-Bench 55.0% → 61.8%（+6.8 pp）= 沿用 v1 §"实验结果"段

撞事实预备候选 v2 量化对照：

维度 LHTB Proactive Memory Agent 撞预备候选结论
任务域 46 长任务 + 9 类别 Terminal-Bench 2.0 + τ²-Bench 互补：LHTB 任务集规模 + Proactive Memory Agent 任务集聚焦
memory 角色 评测基准（被动评测） 独立 memory agent（主动干预） 互补：评测基准 vs memory agent
action agent 15 模型覆盖 Claude Sonnet 4.5 互补：LHTB 跨模型覆盖 + Proactive Memory Agent 单一 action agent
关键数字 GPT-5.5 pass@1 15.2% / 15 模型均值 4.3% / 1.7% Terminal-Bench 2.0 +8.3pp（37.6% → 45.9%） 撞事实预备候选：同样的 Terminal-Bench 系族，Proactive Memory Agent 提升 8.3pp 但绝对水平仍低（45.9% vs LHTB 系族 GPT-5.5 15.2%），说明 Terminal-Bench 系族的难度梯度极高，Proactive Memory Agent 的 +8.3pp 是相对值不是绝对值
会议接收 arXiv v1（2026-07-13 提交） arXiv v1，未确认 撞事实预备候选：LHTB 已 arXiv v1 + Proactive Memory Agent arXiv v1 状态 = 同样未确认会议接收

v1 主观判断 vs v2 撞事实预备候选结论：

  • v1 整稿未提 LHTB = v1 整稿未量化承认撞事实预备候选
  • v2 撞事实预备候选结论： 1. 同样的 Terminal-Bench 系族 = 撞事实预备候选 2. Proactive Memory Agent 提升 8.3pp 但绝对水平仍低 = 撞事实预备候选 3. LHTB + Proactive Memory Agent 同样未确认会议接收 = 撞事实预备候选 4. LHTB 任务集规模（46 长任务）+ Proactive Memory Agent 任务集聚焦（Terminal-Bench 2.0 + τ²-Bench）= 同主线 long-horizon agent memory Terminal-Bench 系族的撞事实预备候选

§十三.3 撞预备候选 3：与 MaP-WAM Memory-as-Plans 的撞邻接级预备候选

MaP-WAM 主张（9-13 MaP-WAM critical-read · 沿用 v2 §0.1 撞自己事实清单第 3 件）：

  • 任务域：机器人操作 + 长程任务 = 沿用 v2 §0.1
  • memory 角色：Memory-Grounded Planning（planner）+ Plan-Conditioned Execution（executor）= 沿用 v2 §0.1
  • action agent：planner / executor 解耦架构 = 沿用 v2 §0.1
  • 关键数字：RMBench 83.3% + 真实机器人 78.0% + executor latency ≈ constant = 沿用 v2 §0.1

Proactive Memory Agent 主张（v1 §"核心贡献"段）：

  • 任务域：长程 tool-use（CLI / τ²）= 沿用 v1 §"核心贡献"段
  • memory 角色：独立 memory agent + 主动干预 = 沿用 v1 §"核心贡献"段
  • action agent：完全独立的并行 agent = 沿用 v1 §"核心贡献"段

撞邻接级预备候选 v2 量化对照：

维度 MaP-WAM Proactive Memory Agent 撞预备候选结论
任务域 机器人操作 + 长程任务 长程 tool-use 邻接级：机器人 vs tool-use
memory 角色 Memory-Grounded Planning（planner）+ Plan-Conditioned Execution（executor） 独立 memory agent + 主动干预 邻接级：planner/executor 解耦 vs 独立 memory agent
action agent planner / executor 解耦架构 完全独立的并行 agent 邻接级：planner/executor 解耦 vs 独立 memory agent 并行
关键数字 RMBench 83.3% + 真实机器人 78.0% Terminal-Bench 2.0 +8.3pp 邻接级：不同任务域的不同评测指标

§十三.4 撞预备候选 4：与 Model-or-Harness agent failure 的撞事实预备候选

Model-or-Harness 主张（9-15 Model-or-Harness critical-read · 沿用 v2 §0.1 撞自己事实清单第 4 件）：

  • 任务域：agent 失败归因（跨多种 agent 架构）= 沿用 v2 §0.1
  • 方法：8 类 component + 41 failure mode × 双向 edge × fault side = 沿用 v2 §0.1
  • 关键数字：4 frontier LLM-as-judge + strongest judge vs human κ=0.76 + pairwise judge κ=0.84 + OpenClaw 已被纳入标准 worked example 库 = 沿用 v2 §0.1

Proactive Memory Agent 主张（v1 §"核心贡献"段 + v1 §"批判性分析"段）：

  • 任务域：长程 tool-use（CLI / τ²）= 沿用 v1 §"核心贡献"段
  • 方法：独立 memory agent + 主动干预 = 沿用 v1 §"核心贡献"段
  • 关键数字：Terminal-Bench 2.0 +8.3pp + 4 组消融 = 沿用 v1 §"实验结果"段

撞事实预备候选 v2 量化对照：

维度 Model-or-Harness Proactive Memory Agent 撞预备候选结论
任务域 agent 失败归因（跨多种 agent 架构） 长程 tool-use 同主线 agent failure + agent 评测方法学
方法 8 类 component + 41 failure mode × 双向 edge × fault side 独立 memory agent + 主动干预 同主线 agent failure 评测方法学
关键数字 strongest judge vs human κ=0.76 + pairwise judge κ=0.84 Terminal-Bench 2.0 +8.3pp 互补：评测方法学（taxonomy）vs 实测方法学（pp 收益）
OpenClaw 关联 OpenClaw 已被纳入标准 worked example 库 （v1 整稿未提 OpenClaw 关联） 撞事实预备候选：Model-or-Harness 已把 OpenClaw 纳入标准 worked example 库 = 评测生态把 OpenClaw 当成事实标准之一 + Proactive Memory Agent 摘要级未提 OpenClaw 关联 = 工程落地待补查

§十三.5 撞预备候选 5：与 WMRL agent RL 后训练的撞主题预备候选

WMRL 主张（9-13 WMRL critical-read · 沿用 v2 §0.1 撞自己事实清单第 5 件）：

  • 任务域：research agents = 沿用 v2 §0.1
  • 方法：world model 替代环境执行 + Online Debiasing + Inverse-Variance Denoising = 沿用 v2 §0.1
  • 关键数字：3-4× 训练加速 + 4B/9B > 48B/120B Pareto frontier + HF Daily 9-12 早棒 437▲ #1 立标极显著首次 = 沿用 v2 §0.1

Proactive Memory Agent 主张（v1 §"核心贡献"段）：

  • 任务域：长程 tool-use（CLI / τ²）= 沿用 v1 §"核心贡献"段
  • 方法：SFT + GRPO on Qwen3.5-27B = 沿用 v1 §"核心贡献"段

撞主题预备候选 v2 量化对照：

维度 WMRL Proactive Memory Agent 撞预备候选结论
任务域 research agents 长程 tool-use 邻接级：research agents vs tool-use
方法 world model 替代环境执行 SFT + GRPO on Qwen3.5-27B 撞主题预备候选：训练侧加速 vs 训练侧 + 推理侧
关键数字 3-4× 训练加速 + 4B/9B > 48B/120B Pareto frontier Terminal-Bench 2.0 +8.3pp 撞主题预备候选：训练侧效率 vs 推理侧长时域执行能力