論文の概要: ID-RAG: Identity Retrieval-Augmented Generation for Long-Horizon Persona Coherence in Generative Agents

• arxiv url: http://arxiv.org/abs/2509.25299v1
• Date: Mon, 29 Sep 2025 16:54:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:44:59.918769
• Title: ID-RAG: Identity Retrieval-Augmented Generation for Long-Horizon Persona Coherence in Generative Agents
• Title（参考訳）: ID-RAG: 生成エージェントにおける長軸ペルソナコヒーレンスのためのアイデンティティ検索型生成
• Authors: Daniel Platnick, Mohamed E. Bengueddache, Marjan Alirezaie, Dava J. Newman, Alex ''Sandy'' Pentland, Hossein Rahnama,
• Abstract要約: ID-RAG(ID-Retrieval-Augmented Generation)は、エージェントのペルソナと永続的な嗜好を構造化されたアイデンティティモデルでグルーピングするために設計された新しいメカニズムである。 エージェントの決定ループの間、このモデルは関連するアイデンティティコンテキストを検索するためにクエリされ、アクション選択を直接通知する。 我々は、Human-AI Agentsと呼ばれる新しいID-RAG対応エージェントを導入、実装することで、このアプローチを実証する。
• 参考スコア（独自算出の注目度）: 3.7798414207779296
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative agents powered by language models are increasingly deployed for long-horizon tasks. However, as long-term memory context grows over time, they struggle to maintain coherence. This deficiency leads to critical failures, including identity drift, ignoring established beliefs, and the propagation of hallucinations in multi-agent systems. To mitigate these challenges, this paper introduces Identity Retrieval-Augmented Generation (ID-RAG), a novel mechanism designed to ground an agent's persona and persistent preferences in a dynamic, structured identity model: a knowledge graph of core beliefs, traits, and values. During the agent's decision loop, this model is queried to retrieve relevant identity context, which directly informs action selection. We demonstrate this approach by introducing and implementing a new class of ID-RAG enabled agents called Human-AI Agents (HAis), where the identity model is inspired by the Chronicle structure used in Perspective-Aware AI, a dynamic knowledge graph learned from a real-world entity's digital footprint. In social simulations of a mayoral election, HAis using ID-RAG outperformed baseline agents in long-horizon persona coherence - achieving higher identity recall across all tested models by the fourth timestep - and reduced simulation convergence time by 19% (GPT-4o) and 58% (GPT-4o mini). By treating identity as an explicit, retrievable knowledge structure, ID-RAG offers a foundational approach for developing more temporally coherent, interpretable, and aligned generative agents. Our code is open-source and available at: https://github.com/flybits/humanai-agents.
• Abstract（参考訳）: 言語モデルを利用した生成エージェントは、長期的タスクのためにますます多くデプロイされている。 しかし、長期記憶のコンテキストが時間とともに大きくなるにつれて、コヒーレンスを維持するのに苦労する。 この欠損は、アイデンティティドリフト、確立された信念を無視し、マルチエージェントシステムにおける幻覚の伝播など、重大な失敗につながる。 これらの課題を軽減するために,エージェントのペルソナと永続的な嗜好を動的に構造化されたアイデンティティモデル(コア信念,特徴,価値観の知識グラフ)に基盤付けるための新しいメカニズムであるID-RAGを提案する。 エージェントの決定ループの間、このモデルは関連するアイデンティティコンテキストを検索するためにクエリされ、アクション選択を直接通知する。 我々は,現実の実体のデジタルフットプリントから学習した動的知識グラフであるパースペクティブ・アウェア・AIで使用されるクロニクル構造にインスパイアされた,Human-AI Agents (HAis)と呼ばれる新しいID-RAGエージェントの導入と実装によって,このアプローチを実証する。 市長選挙の社会シミュレーションでは,ID-RAGが長軸ペルソナ・コヒーレンスに優れたベースラインエージェントを用いて,4段階目で全試験モデルに対する高いアイデンティティリコールを実現し,シミュレーション収束時間を19%(GPT-4o)と58%(GPT-4o mini)に短縮した。 ID-RAGは、アイデンティティを明示的で検索可能な知識構造として扱うことにより、より時間的に一貫性があり、解釈可能で、整列した生成エージェントを開発するための基礎的なアプローチを提供する。 私たちのコードはオープンソースで、https://github.com/flybits/humanai-agents.comで利用可能です。

関連論文リスト

• Agent4FaceForgery: Multi-Agent LLM Framework for Realistic Face Forgery Detection [108.5042835056188]
  この作業では,2つの基本的な問題に対処するため,Agent4FaceForgeryを導入している。 人間の偽造の多様な意図と反復的なプロセスを捉える方法。 ソーシャルメディアの偽造に付随する複雑な、しばしば敵対的な、テキストと画像のインタラクションをモデル化する方法。
  論文  参考訳（メタデータ） (2025-09-16T01:05:01Z)
• Self-Reinforcing Prototype Evolution with Dual-Knowledge Cooperation for Semi-Supervised Lifelong Person Re-Identification [18.236613841030245]
  本稿では,二知識協調フレームワーク(SPRED)を用いた自己強化型プロトタイプ開発について紹介する。 私たちの重要な革新は、動的プロトタイプガイド付き擬似ラベル生成と、新しい知識の協調的浄化の間の自己強化サイクルを確立することです。 確立されたSemi-LReIDベンチマークの実験は、SPREDが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2025-07-02T16:53:39Z)
• Graphs Meet AI Agents: Taxonomy, Progress, and Future Opportunities [117.49715661395294]
  データ構造化は、複雑で非組織的なデータをよく構造化された形式に変換することで、有望な役割を果たす。 この調査では、グラフがAIエージェントにどのように権限を与えるかを、初めて体系的にレビューする。
  論文  参考訳（メタデータ） (2025-06-22T12:59:12Z)
• GUARDIAN: Safeguarding LLM Multi-Agent Collaborations with Temporal Graph Modeling [2.7211182721830123]
  大規模言語モデル (LLM) は、複雑な対話や多ターン対話を行えるインテリジェントエージェントの開発を可能にする。 GUARDIANは、GUARDing Intelligent Agent ColllaboratioNsにおいて、複数の安全上の懸念を検出し緩和するための統一的な方法である。
  論文  参考訳（メタデータ） (2025-05-25T17:15:55Z)
• Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG [0.8463972278020965]
  大規模言語モデル(LLM)は、人間のようなテキスト生成や自然言語理解を可能にすることによって、人工知能(AI)に革命をもたらした。 Retrieval Augmented Generation (RAG) がソリューションとして登場し、リアルタイムデータ検索を統合して文脈に関連のある応答を提供することでLLMを強化している。 Agentic Retrieval-Augmented Generation (RAG)は、自律的なAIエージェントをRAGパイプラインに埋め込むことによって、これらの制限を超越する。
  論文  参考訳（メタデータ） (2025-01-15T20:40:25Z)
• Gödel Agent: A Self-Referential Agent Framework for Recursive Self-Improvement [112.04307762405669]
  G"odel AgentはG"odelマシンにインスパイアされた自己進化型フレームワークである。 G"odel Agentは、パフォーマンス、効率、一般化性において手作業によるエージェントを上回る、継続的な自己改善を実現することができる。
  論文  参考訳（メタデータ） (2024-10-06T10:49:40Z)
• Synthesizing Efficient Data with Diffusion Models for Person Re-Identification Pre-Training [51.87027943520492]
  本稿では,既知の同一性に基づく多様な画像の効率向上と生成を行う新しいパラダイムDiffusion-ReIDを提案する。 提案したパラダイムに適合して,まず,5,183個のIDから777K以上の画像で構成された,大規模なRe-IDデータセットDiff-Personを新たに作成する。
  論文  参考訳（メタデータ） (2024-06-10T06:26:03Z)
• IDRL: Identifying Identities in Multi-Agent Reinforcement Learning with Ambiguous Identities [14.440273322731446]
  我々は,エージェントのアイデンティティを動的に識別する新しいMARLフレームワーク IDRL を開発し,タスクを実行するための対応するポリシーを選択する。 ポーカーゲームtextitred-10を実験環境とし、IDRLは他のMARL法と比較して優れた性能が得られることを示した。
  論文  参考訳（メタデータ） (2022-10-24T00:54:59Z)

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。