長期的なインタラクティブエージェントは、多くの軌跡履歴を蓄積するにもかかわらず、初期のイベントに関する質問に確実に回答することができない。既存のアプローチでは、履歴をプレーンテキストのチャンクとして保存し、標準的な検索拡張生成（RAG）で問い合わせるが、特に空間的、時間的、反復イベント、およびマルチホップ状態に関する問題において、局所的に関連するがチェーンとして不完全な証拠しか取得できない。この問題に対処するため、複数の機関の研究者はS3MEM（構造化シーンイベント記憶フレームワーク）を提案した。
S3MEMの核心は、エージェントの軌跡を構造化記憶ユニットに書き込み、アンカー鋭敏検索（anchor-sensitive retrieval）を用いてクエリに整合した証拠を抽出し、推論時にトークン予算を考慮したコンパクトな証拠インターフェースを提供することにある。これにより、従来のRAGが長系列推論で持つ限界を克服し、「部屋に入る前に鍵を取ったか？」といった時空間的な関連性を要する質問に対しても、適切な記憶断片にアンカーを設定して回答できる。
研究チームは、S3MEMを4つの環境で評価した：2つの内部ヘッドライン環境（CrafterとJericho）と2つのドメイン外環境（SciWorldとALFWorld）である。公平な比較のため、全ての手法は同一の凍結推論プロトコル（少数のデモと固定された答え生成プロセス）を使用した。実験結果は、S3MEMが4つの環境全てでVanilla RAGを一貫して上回り、Crafter、Jericho、ALFWorldではGraph-NoReaderを超え、SciWorldでは同等の性能を示しつつ、使用する証拠トークンを平均約40%削減したことを示している。また、最近の3つのベースライン（A-MEMに触発されたもの、MemoryOS適応、LightMem適応）は一部の設定でVanilla RAGを改善したが、S3MEMの全体的な精度-効率フロンティアには及ばなかった。
総合すると、実験的証拠は限定的な結論を支持する：現在の凍結推論プロトコルの下では、構造化書き込みとアンカー鋭敏証拠ルーティングが、汎用記憶インターフェースよりも長期的なインタラクティブQAにおいて強力な精度-効率フロンティアを提供する。本研究成果はarXiv（論文ID: 2605.28831）にプレプリントとして公開されている。今後の研究方向としては、より複雑な環境への展開、動的な記憶更新メカニズムの統合、そしてロボットナビゲーションやタスク計画への応用可能性の探求が挙げられる。