論文の概要: Memora: A Harmonic Memory Representation Balancing Abstraction and Specificity

• arxiv url: http://arxiv.org/abs/2602.03315v1
• Date: Tue, 03 Feb 2026 09:44:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.367352
• Title: Memora: A Harmonic Memory Representation Balancing Abstraction and Specificity
• Title（参考訳）: Memora: 抽象化と特異性のバランスをとるハーモニックメモリ表現
• Authors: Menglin Xia, Xuchao Zhang, Shantanu Dixit, Paramaguru Harimurugan, Rujia Wang, Victor Ruhle, Robert Sim, Chetan Bansal, Saravan Rajmohan,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 26.512226057571947
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Agent memory systems must accommodate continuously growing information while supporting efficient, context-aware retrieval for downstream tasks. Abstraction is essential for scaling agent memory, yet it often comes at the cost of specificity, obscuring the fine-grained details required for effective reasoning. We introduce Memora, a harmonic memory representation that structurally balances abstraction and specificity. Memora organizes information via its primary abstractions that index concrete memory values and consolidate related updates into unified memory entries, while cue anchors expand retrieval access across diverse aspects of the memory and connect related memories. Building on this structure, we employ a retrieval policy that actively exploits these memory connections to retrieve relevant information beyond direct semantic similarity. Theoretically, we show that standard Retrieval-Augmented Generation (RAG) and Knowledge Graph (KG)-based memory systems emerge as special cases of our framework. Empirically, Memora establishes a new state-of-the-art on the LoCoMo and LongMemEval benchmarks, demonstrating better retrieval relevance and reasoning effectiveness as memory scales.
• Abstract（参考訳）: エージェントメモリシステムは、下流タスクの効率的なコンテキスト認識検索をサポートしながら、継続的に増加する情報に対応できなければならない。 抽象化はエージェントメモリのスケーリングに不可欠だが、しばしば具体的コストがかかるため、効果的な推論に必要な詳細な詳細は無視される。 本稿では,抽象性と特異性の構造的バランスを保ったメモリ表現であるMemoraを紹介する。 Memoraはメモリの具体的な値をインデックス化し、関連する更新を統一されたメモリエントリに統合する主要な抽象化を通じて情報を整理する一方、キューアンカーはメモリの様々な側面にわたって検索アクセスを拡張し、関連するメモリを接続する。 この構造に基づいて、これらのメモリ接続を積極的に活用し、関連する情報を直接意味的類似性を超えて検索する検索ポリシーを用いる。 理論的には、フレームワークの特殊なケースとして、標準的な検索型生成(RAG)と知識グラフ(KG)ベースのメモリシステムが出現することを示す。 経験的に、MemoraはLoCoMoとLongMemEvalベンチマークに新たな最先端技術を確立し、メモリスケールとしての検索関連性と推論の有効性を実証している。

関連論文リスト

• 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)
• 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)
• Memory in the Age of AI Agents [217.9368190980982]
  この研究は、現在のエージェントメモリ研究の最新の展望を提供することを目的としている。 我々は,エージェントメモリ,すなわちトークンレベル,パラメトリック,潜時メモリの3つの支配的実現を同定する。 実用的な開発を支援するため、メモリベンチマークとオープンソースフレームワークの包括的な概要をコンパイルする。
  論文  参考訳（メタデータ） (2025-12-15T17:22:34Z)
• MemOS: A Memory OS for AI System [116.87568350346537]
  大規模言語モデル(LLM)は、人工知能(AGI)にとって不可欠な基盤となっている。 既存のモデルは、主に静的パラメータと短命なコンテキスト状態に依存しており、ユーザの好みを追跡したり、長い期間にわたって知識を更新する能力を制限する。 MemOSはメモリを管理可能なシステムリソースとして扱うメモリオペレーティングシステムである。
  論文  参考訳（メタデータ） (2025-07-04T17:21:46Z)
• 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)

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。