論文の概要: Memory as Asset: From Agent-centric to Human-centric Memory Management
- arxiv url: http://arxiv.org/abs/2603.14212v1
- Date: Sun, 15 Mar 2026 04:03:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-17 16:19:35.673106
- Title: Memory as Asset: From Agent-centric to Human-centric Memory Management
- Title（参考訳）: メモリ・アセット:エージェント中心のメモリ管理から人間中心のメモリ管理へ
- Authors: Yanqi Pan, Qinghao Huang, Weihao Yang,
- Abstract要約: メモリ・アズ・アセットは人中心人工知能(AGI)に向けた新しいメモリパラダイムである
本稿では,既存の大規模言語モデル(LLM)の集合的知識を補完する上で,人間中心の個人記憶管理が前提条件であることを強調する。
メモリ・アズ・アセット(Memory-as-Asset)パラダイム,高速なパーソナルメモリストレージ,インテリジェントな進化層,分散メモリ交換ネットワークを備えた,潜在的な3層メモリインフラストラクチャを提供する。
- 参考スコア（独自算出の注目度）: 0.9020639763699356
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We proudly introduce Memory-as-Asset, a new memory paradigm towards human-centric artificial general intelligence (AGI). In this paper, we formally emphasize that human-centric, personal memory management is a prerequisite for complementing the collective knowledge of existing large language models (LLMs) and extending their knowledge boundaries through self-evolution. We introduce three key features that shape the Memory-as-Asset era: (1) Memory in Hand, which emphasizes human-centric ownership to maximize benefits to humans; (2) Memory Group, which provides collaborative knowledge formation to avoid memory islands, and (3) Collective Memory Evolution, which enables continuous knowledge growth to extend the boundary of knowledge towards AGI. We finally give a potential three-layer memory infrastructure to facilitate the Memory-as-Asset paradigm, with fast personal memory storage, an intelligent evolution layer, and a decentralized memory exchange network. Together, these components outline a foundational architecture in which personal memories become persistent digital assets that can be accumulated, shared, and evolved over time. We believe this paradigm provides a promising path toward scalable, human-centric AGI systems that continuously grow through the collective experiences of individuals and intelligent agents.
- Abstract（参考訳）: メモリ・アズ・アセット(Memory-as-Asset)は、人間中心の人工知能(AGI)に対する新しいメモリパラダイムである。
本稿では,人間中心のパーソナルメモリ管理が,既存の大規模言語モデル(LLM)の集合的知識を補完し,自己進化を通じて知識境界を拡張するための前提条件である,と正式に強調する。
メモリ・アズ・ア・アセット時代を形作る重要な特徴として,(1)人間の利益を最大化するために人間中心の所有権を強調するメモリ・イン・ハンド,(2)記憶アイランドを避けるために協調的な知識形成を提供するメモリ・グループ,(3)AGIに対する知識境界を拡張可能な集合記憶進化,などがある。
メモリ・アズ・アセット(Memory-as-Asset)パラダイム,高速なパーソナルメモリストレージ,インテリジェントな進化層,分散メモリ交換ネットワークを備えた,潜在的3層メモリインフラストラクチャを提供する。
これらのコンポーネントは、個人記憶が永続的なデジタル資産となり、蓄積し、共有し、時間の経過とともに進化する、基本的なアーキテクチャを概説する。
私たちはこのパラダイムが、個人や知的エージェントの集合的経験を通じて継続的に成長するスケーラブルで人間中心のAGIシステムへの、有望な道を提供すると信じています。
関連論文リスト
- AI Meets Brain: Memory Systems from Cognitive Neuroscience to Autonomous Agents [69.39123054975218]
メモリは過去と未来の重要なネクサスブリッジとして機能する。
自律エージェントに関する最近の研究は、認知神経科学に基づいて効率的な記憶を設計することに集中している。
論文 参考訳（メタデータ） (2025-12-29T10:01:32Z) - MemEvolve: Meta-Evolution of Agent Memory Systems [66.09735157017558]
自己進化型メモリシステムは、大型言語モデル(LLM)ベースのエージェントの進化パラダイムを前例のない形で再構築している。
MemeEvolveは、エージェントの経験的知識とメモリアーキテクチャを共同で進化させるメタ進化フレームワークである。
EvolveLabは、12の代表的なメモリシステムをモジュール設計空間に蒸留する、統一された自己進化型メモリである。
論文 参考訳（メタデータ） (2025-12-21T14:26:14Z) - Memory Bear AI A Breakthrough from Memory to Cognition Toward Artificial General Intelligence [1.9075119881212463]
大規模言語モデル(LLM)は、メモリに固有の制限に直面している。
本稿では,認知科学の原理を基礎とした,人間のようなメモリアーキテクチャを構築するメモリベアシステムを提案する。
論文 参考訳（メタデータ） (2025-12-17T06:06:18Z) - 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) - MemGen: Weaving Generative Latent Memory for Self-Evolving Agents [57.1835920227202]
本稿では,エージェントに人間的な認知機能を持たせる動的生成記憶フレームワークであるMemGenを提案する。
MemGenは、エージェントが推論を通して潜在記憶をリコールし、増大させ、記憶と認知の密接なサイクルを生み出すことを可能にする。
論文 参考訳（メタデータ） (2025-09-29T12:33:13Z) - From Human Memory to AI Memory: A Survey on Memory Mechanisms in the Era of LLMs [34.361000444808454]
メモリは情報をエンコードし、保存し、検索するプロセスである。
大規模言語モデル(LLM)の時代において、メモリとは、AIシステムが過去のインタラクションからの情報を保持し、リコールし、使用し、将来の応答とインタラクションを改善する能力である。
論文 参考訳（メタデータ） (2025-04-22T15:05:04Z) - Self-Attentive Associative Memory [69.40038844695917]
我々は、個々の体験(記憶)とその発生する関係(関連記憶)の記憶を分離することを提案する。
機械学習タスクの多様性において,提案した2メモリモデルと競合する結果が得られる。
論文 参考訳（メタデータ） (2020-02-10T03:27:48Z)
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。