Meta AI, un secondo agente fa da coach della memoria per i compiti lunghi

Gli agenti AI stanno diventando bravi a portare a termine compiti sempre più lunghi, fatti di decine di passaggi, chiamate a strumenti e tentativi andati a vuoto. Proprio in questi scenari, però, emerge un problema sottile: l’agente dimentica. Non perde l’informazione perché non ce l’ha, ma perché, man mano che la sessione di lavoro si allunga, un requisito importante o un errore già diagnosticato smettono di influenzare le decisioni successive.

Un nuovo studio dei ricercatori di Meta AI affronta esattamente questo nodo. La proposta è tanto semplice nell’idea quanto interessante nelle conseguenze: affiancare all’agente che lavora un secondo agente che fa da coach della memoria, con il compito di ricordargli al momento giusto ciò che conta davvero.

Il lavoro si intitola “Remember When It Matters” e introduce il concetto di Proactive Memory Agent. Vediamo cosa cambia e perché potrebbe influenzare il modo in cui costruiamo gli agenti nei prossimi mesi.

Il problema si chiama decadimento dello stato comportamentale

Il punto di partenza dello studio è la definizione di un guasto ricorrente che i ricercatori chiamano decadimento dello stato comportamentale. Durante un compito lungo, l’agente accumula informazioni che dovrebbero continuare a orientarne le mosse: i requisiti iniziali, i fatti sull’ambiente in cui opera, i tentativi già falliti, le diagnosi degli errori, gli obiettivi ancora aperti. Con il passare dei turni, questi elementi vengono sepolti nella cronologia o spinti oltre la finestra di contesto, e finiscono per non pesare più sulla decisione da prendere.

La cosa importante è che l’informazione spesso è ancora lì, nel testo della sessione o persino dentro la finestra di contesto del modello. Semplicemente, non esercita più un controllo affidabile sul comportamento.

Chi segue il settore riconoscerà l’eco di un fenomeno già noto, quello del cosiddetto “lost in the middle”: i modelli tendono a sfruttare male le informazioni a seconda della posizione che occupano nel contesto. Allungare la memoria disponibile, da solo, non basta.

Gli esempi che i ricercatori portano sono molto concreti. Un agente individua un vincolo all’inizio del compito e poi lo viola mentre sistema un bug che non c’entra nulla. Oppure osserva che un certo comando fallisce e, poco dopo, ne riprova una variante quasi identica. O ancora diagnostica un tipo di errore e più tardi lo tratta come se fosse nuovo. In tutti questi casi il problema non è la mancanza di dati, ma la loro perdita di influenza.

Come funziona l’agente della memoria di Meta

La soluzione proposta ribalta il modo in cui di solito pensiamo alla memoria degli agenti. Di norma i sistemi di memoria si concentrano su come archiviare, aggiornare e recuperare le informazioni. Qui invece la memoria viene trattata come un intervento attivo: la domanda non è soltanto cosa ricordare, ma quando uno stato ricordato debba rientrare nel processo decisionale.

Nel concreto, accanto all’agente che agisce, e che resta del tutto invariato, gira un secondo agente dedicato alla memoria. A intervalli fissi questo agente osserva una finestra recente della traiettoria, aggiorna un archivio strutturato e decide se iniettare un promemoria conciso nella chiamata successiva dell’agente operativo, oppure se restare in silenzio.

Il modulo è pensato per essere plug-and-play. Si innesta su agenti di frontiera e su strutture già esistenti senza toccare le istruzioni di base, gli strumenti o il modo di decidere dell’agente principale.

Le due fasi: gestire l’archivio e decidere l’intervento

Ogni volta che entra in azione, l’agente della memoria segue due fasi. Nella prima gestisce l’archivio attraverso una serie di chiamate a strumenti predefiniti: può aggiornare uno stato interno, salvare una conoscenza, registrare un’esperienza procedurale oppure cancellare una voce ormai obsoleta. Non riscrive liberamente la memoria, ma produce una sequenza di modifiche esplicite, il che mantiene l’archivio ordinato anche su traiettorie molto lunghe.

Nella seconda fase decide se intervenire. Legge l’archivio aggiornato e sceglie: emettere un promemoria mirato, ancorato a uno stato realmente utile, oppure non intervenire affatto.

L’archivio stesso è diviso in tre parti. C’è un campo di stato privato, che l’agente della memoria usa per tracciare i progressi e i rischi aperti e che non viene mai mostrato all’agente operativo. Ci sono le memorie di conoscenza, cioè i fatti stabili come requisiti, percorsi di file e dettagli di configurazione. E ci sono le memorie procedurali, che raccolgono i tentativi e i loro esiti: comandi falliti, correzioni riuscite, ipotesi scartate. Questa distinzione tra ciò che è vero e ciò che è stato provato è centrale nel disegno del sistema.

Perché il silenzio conta quanto il promemoria

Uno degli aspetti più interessanti dello studio è che la scelta di non intervenire viene considerata un’azione a tutti gli effetti. Ricordare troppo poco lascia che l’agente ripeta gli errori o ignori scoperte precedenti. Ricordare troppo aggiunge latenza, consuma token e rischia di distrarre l’agente dal problema locale che sta risolvendo.

È qui che il lavoro si distingue dalle soluzioni più semplici.

I ricercatori hanno confrontato il loro sistema con diverse alternative: esporre l’intero archivio a ogni passo, iniettare sempre un promemoria senza mai tacere, usare un modello consigliere privo di memoria persistente, oppure affidarsi a un sistema di recupero come Mem0. Il risultato è che l’intervento selettivo, capace di scegliere sia cosa dire sia quando restare zitto, offre i miglioramenti più equilibrati sui diversi tipi di compito.

La lezione è chiara: non basta rendere visibile lo storico, e nemmeno bombardare l’agente di richiami. Serve calibrare l’intervento.

I numeri: cosa dicono i benchmark

Per misurare l’efficacia, il team ha usato due benchmark pensati per compiti lunghi. Il primo, Terminal-Bench 2.0, mette l’agente in un ambiente a riga di comando dove deve ispezionare file, eseguire comandi, correggere errori e superare test nascosti. Il secondo, chiamato tau2-bench, valuta agenti conversazionali che usano strumenti in domini di servizio come compagnie aeree, vendita al dettaglio e telecomunicazioni.

Come agenti operativi sono stati impiegati due modelli di Anthropic, Claude Sonnet 4.5 e Claude Opus 4.6, mentre l’agente della memoria era in genere Claude Opus 4.6. I guadagni sono netti soprattutto per il modello più debole. Su Terminal-Bench, Claude Sonnet 4.5 passa dal 37,6% al 45,9% di successi al primo tentativo, con un miglioramento di 8,3 punti percentuali. Su tau2-bench la media ponderata sale dal 55% al 61,8%, cioè 6,8 punti in più.

Il dettaglio più significativo è che il vantaggio non svanisce con un agente più forte. Anche Claude Opus 4.6, già capace di suo, guadagna un paio di punti su entrambi i test. Questo suggerisce che la memoria non serve solo a tamponare i limiti di un modello piccolo, ma aggiunge qualcosa anche ai migliori.

In alcuni domini lo scarto è ampio. Nel comparto delle compagnie aeree, per esempio, Claude Sonnet 4.5 sale dal 68% al 78%.

Un esempio qualitativo aiuta a capire il meccanismo. In un caso del dominio aereo l’utente dichiarava di avere uno status Gold, ma lo strumento mostrava che era un membro Regular. L’agente senza memoria concedeva un rimborso basandosi sulla dichiarazione dell’utente. Quello assistito dalla memoria, invece, veniva richiamato a fidarsi dei dati verificati prima di procedere.

Un passo verso politiche di memoria aperte

C’è un limite pratico in tutto questo: usare un modello di frontiera come agente della memoria aggiunge una chiamata a ogni passo, con i relativi costi. Non a caso il tema dell’efficienza e del consumo di token degli agenti è al centro di molte delle uscite recenti dei grandi laboratori.

Per questo i ricercatori hanno provato a distillare la stessa politica su un modello open weight più piccolo, un Qwen3.5 da 27 miliardi di parametri, addestrandolo prima per imitazione e poi con una fase di apprendimento per rinforzo. Tenendo fisso l’agente operativo, la versione addestrata ha portato il tasso di successo su Terminal-Bench dal 37,6% al 41,1%.

Il dato interessante è il contrasto. Un agente della memoria non addestrato peggiora le prestazioni, mentre l’addestramento non solo recupera il terreno perso ma aggiunge un margine. Segno che la capacità di decidere quando intervenire si può insegnare, non solo suggerire tramite prompt.

Cosa cambia per chi costruisce agenti AI

Il messaggio di fondo di questo lavoro riguarda l’architettura degli agenti. Invece di chiedere a un unico modello di gestire tutto, dal ragionamento alla memoria, si separano i compiti: un agente agisce, un altro tiene viva la parte di stato che rischia di spegnersi. È un approccio modulare, che ricorda la direzione presa da molti sistemi che stanno portando gli agenti AI dentro le aziende e dentro i flussi di lavoro reali.

Per chi sviluppa agenti da riga di comando o strumenti di coding basati su agenti, l’idea di un modulo di memoria innestabile senza riscrivere l’agente principale è particolarmente attraente. Riduce l’attrito di adozione e apre alla possibilità di scegliere quanto investire nella memoria in base al costo che si è disposti a sostenere.

Restano domande aperte, che gli stessi autori indicano: addestrare insieme agente operativo e agente della memoria, imparare quando invocare la memoria invece di farlo a intervalli fissi, capire quando conviene un promemoria letterale e quando invece un’astrazione più generale.

Se ti occupi di AI applicata, vale la pena tenere d’occhio questa linea di ricerca. Puoi leggere lo studio completo di Meta AI e confrontarlo con gli altri approcci alla memoria degli agenti, per capire quale direzione prenderà la prossima generazione di sistemi autonomi.