Fugu-MT 論文翻訳(概要): ES-Mem: Event Segmentation-Based Memory for Long-Term Dialogue Agents

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

arxiv url: http://arxiv.org/abs/2601.07582v2
Date: Tue, 13 Jan 2026 15:04:26 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-14 14:06:39.280581
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

TraceMem: Weaving Narrative Memory Schemata from User Conversational Traces [9.654990538033362]
長期的な相互作用を維持することは、大規模言語モデルにとって依然としてボトルネックである。ユーザの会話トレースから構造化された物語記憶スキーマを織り込むフレームワークであるTraceMemを提案する。 TraceMemは、ブレインインスパイアされたアーキテクチャで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2026-02-10T12:14:58Z)
Memora: A Harmonic Memory Representation Balancing Abstraction and Specificity [26.512226057571947]
Memoraは、抽象性と特異性の構造的バランスをとるハーモニックメモリ表現である。本稿では,LoCoMoベンチマークとLongMemEvalベンチマークでMemoraが新たな最先端性を確立し,メモリスケールとしての検索妥当性と推論の有効性を示す。
論文参考訳（メタデータ） (2026-02-03T09:44:43Z)
Grounding Agent Memory in Contextual Intent [22.299598216046103]
STITCHは、各トラジェクトリステップに構造化された検索キュー、コンテキスト意図をインデックスし、現在のステップの意図にマッチして履歴を検索するメモリシステムである。 CAME-Benchは,現実的,動的,目標指向の軌道における文脈認識検索のベンチマークである。分析の結果,意図インデクシングは検索ノイズを大幅に低減し,頑健なロングホライゾン推論のためのインテント・アウェア・メモリをサポートした。
論文参考訳（メタデータ） (2026-01-15T18:55:13Z)
The AI Hippocampus: How Far are We From Human Memory? [77.04745635827278]
インプリシットメモリは、事前訓練されたトランスフォーマーの内部パラメータに埋め込まれた知識を指す。明示メモリは、動的でクエリ可能な知識表現でモデル出力を増大させるように設計された外部ストレージと検索コンポーネントを含んでいる。エージェントメモリは、自律エージェント内に永続的、時間的に拡張されたメモリ構造を導入する。
論文参考訳（メタデータ） (2026-01-14T03:24:08Z)
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)
Mem-Gallery: Benchmarking Multimodal Long-Term Conversational Memory for MLLM Agents [76.76004970226485]
長期記憶はマルチモーダル大言語モデル(MLLM)エージェントにとって重要な機能である。 Mem-GalleryはMLLMエージェントのマルチモーダル長期会話メモリ評価のための新しいベンチマークである。
論文参考訳（メタデータ） (2026-01-07T02:03:13Z)
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。