論文の概要: ES-Mem: Event Segmentation-Based Memory for Long-Term Dialogue Agents

• arxiv url: http://arxiv.org/abs/2601.07582v1
• Date: Mon, 12 Jan 2026 14:33:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.452183
• Title: ES-Mem: Event Segmentation-Based Memory for Long-Term Dialogue Agents
• Title（参考訳）: ES-Mem: 長期対話エージェントのためのイベントセグメンテーションに基づくメモリ
• Authors: Huhai Zou, Tianhao Sun, Chuanjiang He, Yu Tian, Zhenyang Li, Li Jin, Nayu Liu, Jiang Zhong, Kaiwen Wei,
• Abstract要約: ES-Memは、長期のインタラクションを、異なる境界を持つセマンティックな一貫性のあるイベントに分割するフレームワークである。 ES-Memはベースライン法よりも一貫した性能向上を示す。 提案したイベントセグメンテーションモジュールは、対話セグメンテーションデータセットに堅牢な適用性を示す。
• 参考スコア（独自算出の注目度）: 25.10969436399974
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Memory is critical for dialogue agents to maintain coherence and enable continuous adaptation in long-term interactions. While existing memory mechanisms offer basic storage and retrieval capabilities, they are hindered by two primary limitations: (1) rigid memory granularity often disrupts semantic integrity, resulting in fragmented and incoherent memory units; (2) prevalent flat retrieval paradigms rely solely on surface-level semantic similarity, neglecting the structural cues of discourse required to navigate and locate specific episodic contexts. To mitigate these limitations, drawing inspiration from Event Segmentation Theory, we propose ES-Mem, a framework incorporating two core components: (1) a dynamic event segmentation module that partitions long-term interactions into semantically coherent events with distinct boundaries; (2) a hierarchical memory architecture that constructs multi-layered memories and leverages boundary semantics to anchor specific episodic memory for precise context localization. Evaluations on two memory benchmarks demonstrate that ES-Mem yields consistent performance gains over baseline methods. Furthermore, the proposed event segmentation module exhibits robust applicability on dialogue segmentation datasets.
• Abstract（参考訳）: メモリは、対話エージェントがコヒーレンスを維持し、長期的な相互作用において継続的な適応を可能にするために重要である。 既存のメモリ機構は基本的な記憶と検索機能を提供しているが、(1)厳密なメモリの粒度が意味的整合性を損なうことが多く、断片化と不整合性のメモリユニットが生じること、(2)フラットな検索パラダイムは表面レベルのセマンティックな類似性にのみ依存すること、そして特定のエピソードコンテキストをナビゲートし見つけ出すために必要な言説の構造的手段を無視すること、の2つの主な制限によって妨げられている。 イベントセグメンテーション理論からインスピレーションを得てこれらの制限を緩和するため,(1) 長期的相互作用を意味的に一貫性のあるイベントに分割する動的イベントセグメンテーションモジュール,(2) 多層メモリを構築し,境界セグメンテーションを活用して特定のエピソードメモリを正確なコンテキストローカライゼーションに固定する階層型メモリアーキテクチャ,の2つのコアコンポーネントを組み込んだフレームワークES-Memを提案する。 2つのメモリベンチマークによる評価は、ES-Memがベースラインメソッドよりも一貫したパフォーマンス向上をもたらすことを示している。 さらに、イベントセグメンテーションモジュールは、対話セグメンテーションデータセットに堅牢な適用性を示す。

関連論文リスト

• Beyond Dialogue Time: Temporal Semantic Memory for Personalized LLM Agents [68.84161689205779]
  テンポラルセマンティックメモリ(TSM)は、ポイントワイドメモリのセマンティックタイムをモデル化するメモリフレームワークである。 TSMは既存の手法を一貫して上回り、最大12.2%の精度向上を実現している。
  論文  参考訳（メタデータ） (2026-01-12T12:24:44Z)
• Memory Matters More: Event-Centric Memory as a Logic Map for Agent Searching and Reasoning [55.251697395358285]
  大規模言語モデル(LLM)は、環境を推論し、計画し、相互作用するインテリジェントエージェントとして、ますます多くデプロイされている。 長期のシナリオに効果的にスケールするには、そのようなエージェントの重要な機能は、過去の経験を保持し、整理し、取り出すことができるメモリメカニズムである。 イベント理論にインスパイアされたイベント中心のメモリフレームワークであるCompassMemを提案する。
  論文  参考訳（メタデータ） (2026-01-08T08:44:07Z)
• When F1 Fails: Granularity-Aware Evaluation for Dialogue Topic Segmentation [0.0]
  本稿では,ウィンドウ耐性F1(W-F1)とともに境界密度とセグメントアライメント診断(純度とカバレッジ)を報告する評価フレームワークを提案する。 境界選択から境界スコアを分離することにより, 1つの操作点ではなく, 密度レジーム間のセグメンテーション品質を評価する。
  論文  参考訳（メタデータ） (2025-12-18T21:29:43Z)
• On Memory Construction and Retrieval for Personalized Conversational Agents [69.46887405020186]
  本稿では,セグメンテーションモデルを導入し,セグメントレベルでメモリバンクを構築するセグメンテーション手法であるSeComを提案する。 実験結果から,SeComは長期会話ベンチマークLOCOMOとLong-MT-Bench+のベースラインよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2025-02-08T14:28:36Z)
• Video Object Segmentation with Dynamic Query Modulation [23.811776213359625]
  オブジェクトとマルチオブジェクトセグメンテーションのためのクエリ変調手法QMVOSを提案する。 提案手法は,メモリベースSVOS法を大幅に改善し,標準SVOSベンチマーク上での競合性能を実現する。
  論文  参考訳（メタデータ） (2024-03-18T07:31:39Z)
• Pin the Memory: Learning to Generalize Semantic Segmentation [68.367763672095]
  本稿ではメタラーニングフレームワークに基づくセマンティックセグメンテーションのための新しいメモリ誘導ドメイン一般化手法を提案する。 本手法は,セマンティッククラスの概念的知識を,ドメインを超えて一定であるカテゴリ記憶に抽象化する。
  論文  参考訳（メタデータ） (2022-04-07T17:34:01Z)

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。