論文の概要: PISA: A Pragmatic Psych-Inspired Unified Memory System for Enhanced AI Agency

• arxiv url: http://arxiv.org/abs/2510.15966v1
• Date: Sun, 12 Oct 2025 10:34:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.729548
• Title: PISA: A Pragmatic Psych-Inspired Unified Memory System for Enhanced AI Agency
• Title（参考訳）: PISA:AIエージェンシー強化のための実践的なサイコインスパイアされた統一メモリシステム
• Authors: Shian Jia, Ziyang Huang, Xinbo Wang, Haofei Zhang, Mingli Song,
• Abstract要約: 既存の作業は、多種多様なタスクへの適応性に欠けることが多く、AIエージェントメモリの構成的およびタスク指向の役割を見落としている。 PISAは,メモリを構築的かつ適応的なプロセスとして扱う,実践的でサイコにインスパイアされた統合メモリシステムである。 既存のLOCOMOベンチマークと新たに提案したデータ解析タスクのAggQAベンチマークに基づいて,PISAが適応性と長期的知識保持を大幅に向上させることで,新たな最先端技術を設定することを確認した。
• 参考スコア（独自算出の注目度）: 50.712873697511206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Memory systems are fundamental to AI agents, yet existing work often lacks adaptability to diverse tasks and overlooks the constructive and task-oriented role of AI agent memory. Drawing from Piaget's theory of cognitive development, we propose PISA, a pragmatic, psych-inspired unified memory system that addresses these limitations by treating memory as a constructive and adaptive process. To enable continuous learning and adaptability, PISA introduces a trimodal adaptation mechanism (i.e., schema updation, schema evolution, and schema creation) that preserves coherent organization while supporting flexible memory updates. Building on these schema-grounded structures, we further design a hybrid memory access architecture that seamlessly integrates symbolic reasoning with neural retrieval, significantly improving retrieval accuracy and efficiency. Our empirical evaluation, conducted on the existing LOCOMO benchmark and our newly proposed AggQA benchmark for data analysis tasks, confirms that PISA sets a new state-of-the-art by significantly enhancing adaptability and long-term knowledge retention.
• Abstract（参考訳）: メモリシステムはAIエージェントに基本的なものだが、既存の作業ではさまざまなタスクへの適応性が欠如し、AIエージェントメモリの構成的およびタスク指向の役割を見落としていることが多い。 ピアジェの認知発達理論を参考に、我々はPISA(Pragmatic, psych-inspireed unified memory system)を提案し、メモリを構築的で適応的なプロセスとして扱うことでこれらの制限に対処する。 継続的学習と適応性を実現するため、PISAは、柔軟なメモリ更新をサポートしながらコヒーレントな組織を保存するトリモーダル適応機構(スキーマアップデーション、スキーマ進化、スキーマ生成)を導入している。 これらのスキーマ基底構造に基づいて,シンボル推論とニューラル検索をシームレスに統合し,検索精度と効率を大幅に向上するハイブリッドメモリアクセスアーキテクチャを設計する。 既存のLOCOMOベンチマークと新たに提案したデータ解析タスクのAggQAベンチマークに基づいて,PISAが適応性と長期的知識保持を大幅に向上させることで,新たな最先端技術を設定することを確認した。

関連論文リスト

• Fundamentals of Building Autonomous LLM Agents [64.39018305018904]
  本稿では,大規模言語モデル(LLM)を用いたエージェントのアーキテクチャと実装手法について概説する。 この研究は、複雑なタスクを自動化し、人間の能力でパフォーマンスのギャップを埋めることのできる「アジェンティック」なLLMを開発するためのパターンを探求することを目的としている。
  論文  参考訳（メタデータ） (2025-10-10T10:32:39Z)
• CAM: A Constructivist View of Agentic Memory for LLM-Based Reading Comprehension [55.29309306566238]
  現在のLarge Language Models (LLM) は、長文文書を解釈する際に圧倒的な情報量に直面している。 この課題は、バニラLSMを自律的な読み出しエージェントに高めることができる凝集性メモリモジュールの必須性を高める。 我々はジャン・ピアジェの構成主義理論(Constructivist Theory)からインスピレーションを得て、エージェントメモリの3つの特性(構造化スキーマ、フレキシブルな同化、動的調節)を表現した。
  論文  参考訳（メタデータ） (2025-10-07T02:16:30Z)
• Memory Management and Contextual Consistency for Long-Running Low-Code Agents [0.0]
  本稿ではLCNCエージェントに特化して設計された新しいハイブリッドメモリシステムを提案する。 認知科学にインスパイアされた私たちのアーキテクチャは、エピソードとセマンティックメモリコンポーネントと、積極的な「インテリジェント・デカイ」メカニズムを組み合わせています。 鍵となるイノベーションは、LCNCパラダイムに沿ったユーザ中心の可視化インターフェースであり、非技術者のユーザがエージェントのメモリを直接管理できるようにする。
  論文  参考訳（メタデータ） (2025-09-27T08:01:26Z)
• A Scenario-Driven Cognitive Approach to Next-Generation AI Memory [12.798608799338275]
  COLMAは認知シナリオ、メモリプロセス、記憶機構を結合的な設計に統合する新しいフレームワークである。 生涯学習と人間のような推論が可能なAIシステムの開発のための構造化された基盤を提供する。
  論文  参考訳（メタデータ） (2025-09-16T16:43:07Z)
• Memory-Augmented Transformers: A Systematic Review from Neuroscience Principles to Enhanced Model Architectures [4.942399246128045]
  記憶は知性の基本であり、生物学的および人工システム間の学習、推論、適応性を可能にする。 トランスフォーマーはシーケンスモデリングにおいて優れているが、長距離コンテキスト保持、連続学習、知識統合において制限に直面している。 このレビューでは、動的多時間記憶、選択的注意、統合など、神経科学の原則をブリッジする統一的な枠組みを提示する。
  論文  参考訳（メタデータ） (2025-08-14T16:48:38Z)
• Contextual Memory Intelligence -- A Foundational Paradigm for Human-AI Collaboration and Reflective Generative AI Systems [0.0]
  本稿では,知的システム構築のための新しいパラダイムとして,コンテキストメモリインテリジェンス(CMI)を紹介する。 CMIは、メモリを長手コヒーレンス、説明可能性、責任ある意思決定に必要な適応的な基盤として再配置する。 これにより、人間とAIのコラボレーション、生成的AI設計、組織のレジリエンスが向上する。
  論文  参考訳（メタデータ） (2025-05-28T18:59:16Z)
• Incorporating Neuro-Inspired Adaptability for Continual Learning in Artificial Intelligence [59.11038175596807]
  継続的な学習は、現実世界に強い適応性を持つ人工知能を強化することを目的としている。 既存の進歩は主に、破滅的な忘れを克服するために記憶安定性を維持することに焦点を当てている。 本稿では,学習の可塑性を改善するため,パラメータ分布の古い記憶を適切に減衰させる汎用的手法を提案する。
  論文  参考訳（メタデータ） (2023-08-29T02:43:58Z)
• CogNGen: Constructing the Kernel of a Hyperdimensional Predictive Processing Cognitive Architecture [79.07468367923619]
  神経生物学的に妥当な2つの計算モデルを組み合わせた新しい認知アーキテクチャを提案する。 我々は、現代の機械学習技術の力を持つ認知アーキテクチャを開発することを目指している。
  論文  参考訳（メタデータ） (2022-03-31T04:44:28Z)

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。