論文の概要: MemOS: An Operating System for Memory-Augmented Generation (MAG) in Large Language Models

• arxiv url: http://arxiv.org/abs/2505.22101v1
• Date: Wed, 28 May 2025 08:27:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.496051
• Title: MemOS: An Operating System for Memory-Augmented Generation (MAG) in Large Language Models
• Title（参考訳）: MemOS:大規模言語モデルにおけるメモリ拡張ジェネレーション(MAG)のためのオペレーティングシステム
• Authors: Zhiyu Li, Shichao Song, Hanyu Wang, Simin Niu, Ding Chen, Jiawei Yang, Chenyang Xi, Huayi Lai, Jihao Zhao, Yezhaohui Wang, Junpeng Ren, Zehao Lin, Jiahao Huo, Tianyi Chen, Kai Chen, Kehang Li, Zhiqiang Yin, Qingchen Yu, Bo Tang, Hongkang Yang, Zhi-Qin John Xu, Feiyu Xiong,
• Abstract要約: 我々は,大規模言語モデル(LLM)用に設計されたメモリオペレーティングシステムであるMemOSを紹介する。 コアとなるMemCubeは、異種メモリの追跡、融合、マイグレーションを可能にする標準化されたメモリ抽象化である。 MemOSは、強力な制御性、適応性、進化性を備えたメモリ中心の実行フレームワークを確立する。
• 参考スコア（独自算出の注目度）: 31.944531660401722
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) have emerged as foundational infrastructure in the pursuit of Artificial General Intelligence (AGI). Despite their remarkable capabilities in language perception and generation, current LLMs fundamentally lack a unified and structured architecture for handling memory. They primarily rely on parametric memory (knowledge encoded in model weights) and ephemeral activation memory (context-limited runtime states). While emerging methods like Retrieval-Augmented Generation (RAG) incorporate plaintext memory, they lack lifecycle management and multi-modal integration, limiting their capacity for long-term knowledge evolution. To address this, we introduce MemOS, a memory operating system designed for LLMs that, for the first time, elevates memory to a first-class operational resource. It builds unified mechanisms for representation, organization, and governance across three core memory types: parametric, activation, and plaintext. At its core is the MemCube, a standardized memory abstraction that enables tracking, fusion, and migration of heterogeneous memory, while offering structured, traceable access across tasks and contexts. MemOS establishes a memory-centric execution framework with strong controllability, adaptability, and evolvability. It fills a critical gap in current LLM infrastructure and lays the groundwork for continual adaptation, personalized intelligence, and cross-platform coordination in next-generation intelligent systems.
• Abstract（参考訳）: 大規模言語モデル (LLM) は、人工知能 (AGI) を追求する基盤基盤として登場した。 言語認識と生成において顕著な能力にもかかわらず、現在のLLMはメモリを扱うための統一的で構造化されたアーキテクチャを欠いている。 それらは主にパラメトリックメモリ(モデルウェイトで符号化された知識)と一時的なアクティベーションメモリ(コンテキスト制限ランタイム状態)に依存している。 Retrieval-Augmented Generation (RAG)のような新しい手法では、平文メモリが組み込まれているが、ライフサイクル管理とマルチモーダル統合が欠如しており、長期的な知識進化の能力が制限されている。 そこで我々は,LLM用に設計されたメモリオペレーティングシステムであるMemOSを紹介した。 パラメトリック、アクティベーション、プレーンテキストという3つのコアメモリタイプにまたがって、表現、組織、ガバナンスの統一的なメカニズムを構築する。 コアとなるMemCubeは、異種メモリのトラッキング、融合、マイグレーションを可能にする標準化されたメモリ抽象化である。 MemOSは、強力な制御性、適応性、進化性を備えたメモリ中心の実行フレームワークを確立する。 現在のLLMインフラにおける重要なギャップを埋め、次世代のインテリジェントシステムにおける継続的適応、パーソナライズされたインテリジェンス、クロスプラットフォームのコーディネーションの基盤となる。

関連論文リスト

• Rethinking Memory in AI: Taxonomy, Operations, Topics, and Future Directions [55.19217798774033]
  メモリは、大規模言語モデル(LLM)ベースのエージェントを支える、AIシステムの基本コンポーネントである。 本稿ではまず,メモリ表現をパラメトリックおよびコンテキスト形式に分類する。 次に、コンソリデーション、更新、インデックス付け、フォッティング、検索、圧縮の6つの基本的なメモリ操作を紹介します。
  論文  参考訳（メタデータ） (2025-05-01T17:31:33Z)
• A-MEM: Agentic Memory for LLM Agents [42.50876509391843]
  大規模言語モデル(LLM)エージェントは、歴史的経験を活用するためにメモリシステムを必要とする。 現在のメモリシステムは基本的なストレージと検索を可能にするが、洗練されたメモリ構造は欠如している。 本稿では, LLMエージェントに対して, エージェント方式で動的に記憶を整理できる新しいエージェントメモリシステムを提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:36:14Z)
• MemLLM: Finetuning LLMs to Use An Explicit Read-Write Memory [49.96019697955383]
  本稿では,構造化および明示的な読み書きメモリモジュールを統合することで,大規模言語モデル(LLM)の拡張手法であるMemLLMを紹介する。 実験の結果, 言語モデリング, 特に知識集約型タスクにおいて, MemLLMはLLMの性能と解釈可能性を向上させることが示唆された。
  論文  参考訳（メタデータ） (2024-04-17T18:13:16Z)
• MemGPT: Towards LLMs as Operating Systems [50.02623936965231]
  大規模言語モデル(LLM)はAIに革命をもたらしたが、限られたコンテキストウィンドウによって制約されている。 従来のオペレーティングシステムにおける階層型メモリシステムからのインスピレーションを引き出す技術である仮想コンテキスト管理を提案する。 私たちはMemGPTコードと実験のためのデータをhttps://memgpt.ai.comでリリースします。
  論文  参考訳（メタデータ） (2023-10-12T17:51:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。