언어모델 에이전트는 며칠에서 몇 주에 걸친 운영 개선이나 연구 프로그램처럼 어떤 컨텍스트 윈도우, 프로세스, 사람이 지켜볼 수 있는 간격보다도 오래 지속되는 작업을 점점 더 요구받는다. 이 논문은 장기 지속 에이전트가 학습을 지속하기 전에 먼저 망각 없이 계속 실행될 수 있어야 하며, 이 능력은 모델 자체가 아니라 모델을 둘러싼 하네스에 있다고 주장한다. 저자들은 장기 지속 환경에서 파생된 일곱 가지 병목을 세 요소의 계층형 아키텍처로 해결한다: 시간 척도별로 나뉘어 하위 수준을 요약한 제한된 파일을 유지하는 레벨, 자율 행동의 단위인 클럭 틱, 실패한 검토 후에만 더 유능한 모델로 작업을 상향 조정하는 캐스케이드 지능이다. 이 아키텍처로 구축한 에이전트가 사람이 하루 한 번만 살피는 10일간의 캠페인에서 공개된 강화학습 결과를 재현했으며, 모든 컨텍스트 초기화와 세션 경계를 넘어 맥락을 유지했고, 초기에 기록된 운영 지식이 모델 가중치 변경 없이 이후 행동을 바꿨음을 보였다.

• •장기 지속 에이전트에는 학습보다 먼저 '잊지 않고 계속 실행'하는 능력이 필요하다고 주장
• •레벨·클럭 틱·캐스케이드 지능 3요소로 구성된 계층형 하네스 아키텍처 제안
• •사람이 하루 한 번만 확인하는 10일 캐페인에서 공개된 RL 결과를 재현하며 검증
• •모델 가중치 변경 없이 초기 운영 지식이 이후 행동을 바꾸는 지속 학습 가능성 시사