MemoBrain: Exekutivgedächtnis als agentives Gehirn für das Denken
MemoBrain: Executive Memory as an Agentic Brain for Reasoning
January 12, 2026
papers.authors: Hongjin Qian, Zhao Cao, Zheng Liu
cs.AI
papers.abstract
Komplexes logisches Schließen in werkzeuggestützten Agenten-Frameworks ist inhärent langfristig angelegt, was dazu führt, dass sich Argumentationspfade und flüchtige Werkzeugartefakte ansammeln und den begrenzten Arbeitskontext großer Sprachmodelle überlasten. Ohne explizite Gedächtnismechanismen unterbricht eine solche Anhäufung die logische Kontinuität und untergräbt die Aufgabenausrichtung. Dies positioniert Gedächtnis nicht als nebensächlichen Effizienzaspekt, sondern als Kernkomponente zur Aufrechterhaltung kohärenten, zielgerichteten Schließens über lange Horizonte.
Wir schlagen MemoBrain vor, ein exekutives Gedächtnismodell für werkzeuggestützte Agenten, das ein abhängigkeitsbewusstes Gedächtnis über Argumentationsschritte hinweg aufbaut und dabei bedeutsame Zwischenzustände sowie ihre logischen Beziehungen erfasst. MemoBrain agiert als Copilot neben dem schlussfolgernden Agenten, organisiert den Argumentationsfortschritt ohne die Ausführung zu blockieren und verwaltet den Arbeitskontext aktiv. Konkret entfernt es ungültige Schritte, faltet abgeschlossene Teilpfade zusammen und bewahrt unter einem festen Kontextbudget eine kompakte, hochrelevante Argumentationsrückgratstruktur. Gemeinsam ermöglichen diese Mechanismen eine explizite kognitive Kontrolle über Argumentationsverläufe anstelle einer passiven Kontextanhäufung.
Wir evaluieren MemoBrain anspruchsvollen Langzeittests, darunter GAIA, WebWalker und BrowseComp-Plus, und zeigen konsistente Verbesserungen gegenüber starken Baseline-Modellen.
English
Complex reasoning in tool-augmented agent frameworks is inherently long-horizon, causing reasoning traces and transient tool artifacts to accumulate and strain the bounded working context of large language models. Without explicit memory mechanisms, such accumulation disrupts logical continuity and undermines task alignment. This positions memory not as an auxiliary efficiency concern, but as a core component for sustaining coherent, goal-directed reasoning over long horizons.
We propose MemoBrain, an executive memory model for tool-augmented agents that constructs a dependency-aware memory over reasoning steps, capturing salient intermediate states and their logical relations. Operating as a co-pilot alongside the reasoning agent, MemoBrain organizes reasoning progress without blocking execution and actively manages the working context. Specifically, it prunes invalid steps, folds completed sub-trajectories, and preserves a compact, high-salience reasoning backbone under a fixed context budget. Together, these mechanisms enable explicit cognitive control over reasoning trajectories rather than passive context accumulation.
We evaluate MemoBrain on challenging long-horizon benchmarks, including GAIA, WebWalker, and BrowseComp-Plus, demonstrating consistent improvements over strong baselines.