연구진은 LLM 에이전트의 장기적인 경험 활용을 위한 새로운 프레임워크인 AEL을 소개했어요. AEL은 빠른 시계열에서는 메모리 검색 정책을 학습하고, 느린 시계열에서는 LLM 기반의 반성을 통해 실패 패턴을 진단하고 에이전트의 의사 결정 프롬프트에 인과적 통찰력을 주입해요. AEL은 기존 방법보다 높은 샤프 비율을 달성하며, 추가적인 복잡성 없이 성능을 향상시키는 '적게 더 많이' 패턴을 보여줬어요.