論文の概要: Indaleko: The Unified Personal Index
- arxiv url: http://arxiv.org/abs/2602.20507v1
- Date: Tue, 24 Feb 2026 03:17:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-25 17:34:53.589812
- Title: Indaleko: The Unified Personal Index
- Title（参考訳）: Indaleko: Unified Personal Index
- Abstract要約: Dissertationは、この基本的なギャップを埋めるメモリアラインメントアーキテクチャであるUnified Personal Index(UPI)を提示する。
Indalekoのプロトタイプでは、8つのストレージプラットフォームにまたがる160TBにまたがる31万のファイルデータセット上で、UPIが実現可能であることを実証している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Personal information retrieval fails when systems ignore how human memory works. While existing platforms force keyword searches across isolated silos, humans naturally recall through episodic cues like when, where, and in what context information was encountered. This dissertation presents the Unified Personal Index (UPI), a memory-aligned architecture that bridges this fundamental gap. The Indaleko prototype demonstrates the UPI's feasibility on a 31-million file dataset spanning 160TB across eight storage platforms. By integrating temporal, spatial, and activity metadata into a unified graph database, Indaleko enables natural language queries like "photos near the conference venue last spring" that existing systems cannot process. The implementation achieves sub-second query responses through memory anchor indexing, eliminates cross-platform search fragmentation, and maintains perfect precision for well-specified memory patterns. Evaluation against commercial systems (Google Drive, OneDrive, Dropbox, Windows Search) reveals that all fail on memory-based queries, returning overwhelming result sets without contextual filtering. In contrast, Indaleko successfully processes multi-dimensional queries combining time, location, and activity patterns. The extensible architecture supports rapid integration of new data sources (10 minutes to 10 hours per provider) while preserving privacy through UUID-based semantic decoupling. The UPI's architectural synthesis bridges cognitive theory with distributed systems design, as demonstrated through the Indaleko prototype and rigorous evaluation. This work transforms personal information retrieval from keyword matching to memory-aligned finding, providing immediate benefits for existing data while establishing foundations for future context-aware systems.
- Abstract（参考訳）: システムが人間の記憶の仕組みを無視すると、個人情報の検索は失敗する。
既存のプラットフォームは、孤立したサイロをまたいでキーワード検索を強制するが、人間がいつ、どこで、どのような状況で遭遇したかといったエピソード的な手がかりを通じて自然にリコールする。
この論文では、この基本的なギャップを埋めるメモリアラインメントアーキテクチャであるUPI(Unified Personal Index)が紹介されている。
Indalekoのプロトタイプは、8つのストレージプラットフォームにまたがる160TBに及ぶ31万のファイルデータセット上で、UPIが実現可能であることを実証している。
Indalekoは、時間、空間、アクティビティのメタデータを統合されたグラフデータベースに統合することで、既存のシステムが処理できない「カンファレンス会場近くの写真」のような自然言語クエリを可能にする。
この実装は、メモリアンカーインデックスによるサブ秒以下のクエリ応答を実現し、クロスプラットフォームの検索フラグメンテーションを排除し、明確に定義されたメモリパターンの完全精度を維持する。
商用システム(Google Drive、OneDrive、Dropbox、Windows Search)に対する評価では、すべてがメモリベースのクエリで失敗し、コンテキストフィルタリングなしで圧倒的な結果セットを返す。
対照的に、Indalekoは時間、場所、アクティビティパターンを組み合わせた多次元クエリ処理に成功した。
拡張可能なアーキテクチャは、UUIDベースのセマンティックデカップリングを通じてプライバシを保存すると同時に、新しいデータソース(プロバイダ毎に10分から10時間)の迅速な統合をサポートする。
UPIのアーキテクチャ合成は、インダレコのプロトタイプと厳密な評価を通じて実証されたように、認知理論と分散システム設計を橋渡しする。
この研究は、個人情報検索をキーワードマッチングからメモリ整合探索に変換し、将来的なコンテキスト認識システムの基礎を確立しつつ、既存のデータに即時利益をもたらす。
関連論文リスト
- Beyond Retrieval: Progressive Latent Memory Evolution for Streaming Video Understanding [64.34948094316685]
latentStreamは、ストリーミングメモリをストア・アンド・レトリーブから検索・インターナライズへシフトする、プログレッシブな潜伏型ワーキングメモリフレームワークです。
LatentStreamは、既存のオンラインおよびオフラインビデオベンチマークで、最先端の新たな結果を達成する。
論文 参考訳（メタデータ） (2026-09-03T17:28:14Z) - Memory-Orchestrated Semantic System (MOSS): An Auditable Agentic Memory Architecture [0.0]
本稿では,MOSS(Memory-Orchestrated Semantic System)を提案する。
MOSSはモデルに依存しない、ストレージに依存しない、APIに依存しない、あらゆるリレーショナルエンジンで動作し、いかなるLLMプロバイダにも接続し、任意のインフラストラクチャ、ローカルまたはクラウドにデプロイする。
2024年10月までの1年間,個別の研究者の作業コーパスよりも連続的な生産が続けられた。
論文 参考訳（メタデータ） (2026-07-05T16:35:19Z) - When Does Overlap Help? OSU-Mem and a Cell-Conditional Analysis of Trajectory Memory for LLM Agents [8.361893760388329]
LLM(Long-Horizon Large Language Model)エージェントは、実用的なプロンプト予算を迅速に超過する相互作用トラジェクトリを蓄積する。
トラジェクトリメモリを重なり合うセマンティックユニット(OSU)に編成することは、フラットまたは非ジョイントな選択肢を検索するのに役立つのだろうか?
我々はこれをOSUMemでインスタンス化し、OSUプールの重なり合う部分から予算付き粗大な拡張によって取り出す。
論文 参考訳（メタデータ） (2026-06-19T04:23:04Z) - REAL: A Reasoning-Enhanced Graph Framework for Long-Term Memory Management of LLMs [17.526686616588794]
大きな言語モデル(LLM)は、長い時間をかけてユーザーと対話することがますます期待されている。
LLMは過去のすべてのインタラクションを保持することができず、履歴情報の保存、更新、検索には長期記憶管理が不可欠である。
REALは長期会話記憶を時間的かつ信頼性に配慮したプロパティグラフとして構成する。
論文 参考訳（メタデータ） (2026-06-09T10:53:10Z) - Memory is Reconstructed, Not Retrieved: Graph Memory for LLM Agents [51.30250860677378]
本稿では,連想記憶グラフとアクティブな再構成機構を組み合わせたフレームワークであるMRAgentを提案する。
Cue-Tag-Contentグラフ上で実行することで,メモリアクセスに直接推論を統合する。
LoCoMoベンチマークとLongMemEvalベンチマークの実験は、強いベースラインよりも大幅に改善されている。
論文 参考訳（メタデータ） (2026-06-04T11:29:46Z) - eMEM: A Hybrid Spatio-Temporal Memory System For Embodied Agents [1.8047694351309203]
物理環境で動作するエンボディエージェントのためのハイブリッドグラフベースメモリシステムeMEMを提案する。
eMEMはこのギャップをマルチインデックスアーキテクチャ(構造化ストレージ用ITE、近傍セマンティックサーチ用hlib、空間クエリ用Rツリー)で埋める。
また,eMEM-Bench v1は,メモリ評価のためのProcTHOR-10Kシーン上で構築したベンチマークである。
論文 参考訳（メタデータ） (2026-06-02T09:22:12Z) - MemSearch-o1: Empowering Large Language Models with Reasoning-Aligned Memory Growth in Agentic Search [59.98962867649009]
本稿では,メモリ成長とリトラシングに基づくエージェント検索フレームワークであるMemSearch-o1を提案する。
MemSearch-o1はクエリからメモリシードトークンからきめ細かいメモリフラグメントを成長させ、コントリビューション関数を通じてメモリを再トレースし、深く洗練し、最終的にグローバルに接続されたメモリパスを再編成する。
論文 参考訳（メタデータ） (2026-04-19T05:35:06Z) - LifeBench: A Benchmark for Long-Horizon Multi-Source Memory [22.24847456134897]
本稿では,密結合型長距離イベントシミュレーションを特徴とするLifebenchを紹介する。
Lifebenchは、AIエージェントを単純なリコールを超えて、宣言的および宣言的でないメモリ推論の統合を必要とする。
性能評価の結果、最先端の最先端のメモリシステムは55.2%の精度にしか達していない。
論文 参考訳（メタデータ） (2026-03-04T06:42:17Z) - Cognitive Prosthetic: An AI-Enabled Multimodal System for Episodic Recall in Knowledge Work [6.688814515265279]
本稿では,構造化されたエピソードキャプチャと自然言語検索による知識作業におけるエピソードリコールを支援するために,AIを利用した概念証明を提案する。
異種センサデータを問合せ可能なエピソード記憶に変換する技術的実現可能性を示す機能実証として,CPMSを提案する。
この作業は、職場環境におけるAI対応メモリ拡張のためのエンドツーエンドのプライバシ対応アーキテクチャに寄与する。
論文 参考訳（メタデータ） (2026-03-02T16:58:53Z) - From Verbatim to Gist: Distilling Pyramidal Multimodal Memory via Semantic Information Bottleneck for Long-Horizon Video Agents [78.30630000529133]
本稿ではファジィトレース理論に基づくピラミッド型マルチモーダルメモリアーキテクチャMM-Memを提案する。
MM-Memメモリは階層的に感覚バッファ、エピソードストリーム、シンボリックに構造する。
実験により、MM-Memがオフラインタスクとストリーミングタスクの両方で有効であることが確認された。
論文 参考訳（メタデータ） (2026-03-02T05:12:45Z) - Panini: Continual Learning in Token Space via Structured Memory [4.979820180013486]
言語モデルは、トレーニングされていないコンテンツを推論するために、ますます使われています。
一般的なアプローチは検索拡張生成(RAG)であり、これは動詞の文書を(チャンクとして)外部に保存し、推論時に関連するサブセットのみを取得する。
本稿では,基本モデルを固定したままで,新たな経験を外部セマンティックメモリ状態に統合することで学習を行う,人間のような非パラメトリック連続学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-16T19:58:03Z) - Graph-based Agent Memory: Taxonomy, Techniques, and Applications [63.70340159016138]
メモリはLarge Language Model(LLM)ベースのエージェントの中核モジュールとして出現する。
さまざまなパラダイムの中でグラフは、関係依存をモデル化する本質的な能力のため、エージェントメモリの強力な構造として際立っている。
本調査では, エージェントメモリの総合的な検討について, グラフベースの観点から述べる。
論文 参考訳（メタデータ） (2026-02-05T13:49:05Z) - Aeon: High-Performance Neuro-Symbolic Memory Management for Long-Horizon LLM Agents [0.0]
大規模言語モデル(LLM)は、自己注意の2次計算コストと「中道の失われた」現象によって制約される。
我々は,静的ストアではなく,管理OSリソースとしてメモリを再定義するニューロシンボリック認知オペレーティングシステムであるAeonを提案する。
論文 参考訳（メタデータ） (2026-01-14T15:23:22Z) - 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) - MemoriesDB: A Temporal-Semantic-Relational Database for Long-Term Agent Memory / Modeling Experience as a Graph of Temporal-Semantic Surfaces [0.0]
我々はMemoriesDBを紹介した。MemoriesDBは時間的、意味的、関係的な非一貫性を避けるために設計された統一データアーキテクチャである。
それぞれのメモリはタイムセマンティック・リレーショナルなエンティティであり、イベントが発生した時に同時にエンコードし、それが何を意味するのか、どのように他のイベントに接続するかを示す。
論文 参考訳（メタデータ） (2025-11-09T01:41:55Z) - ArcMemo: Abstract Reasoning Composition with Lifelong LLM Memory [21.4675019810992]
概念レベルのメモリは再利用され、ソリューショントレースから抽出されたモジュラー抽象化が自然言語に格納される。
我々は、合成一般化と抽象的推論を強調するベンチマークARC-AGIを評価する。
抽象概念は最も一貫したメモリ設計であり、全てのテストされた推論計算スケールでベースラインを上回ります。
論文 参考訳（メタデータ） (2025-09-04T17:54:19Z) - Rethinking Memory in AI: Taxonomy, Operations, Topics, and Future Directions [55.19217798774033]
メモリは、大規模言語モデル(LLM)ベースのエージェントを支える、AIシステムの基本コンポーネントである。
本稿ではまず,メモリ表現をパラメトリックおよびコンテキスト形式に分類する。
次に、コンソリデーション、更新、インデックス付け、フォッティング、検索、圧縮の6つの基本的なメモリ操作を紹介します。
論文 参考訳（メタデータ） (2025-05-01T17:31:33Z) - Autoregressive Search Engines: Generating Substrings as Document
Identifiers [53.0729058170278]
自動回帰言語モデルは、回答を生成するデファクト標準として現れています。
これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。
本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
論文 参考訳（メタデータ） (2022-04-22T10:45:01Z)
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。