論文の概要: MemArchitect: A Policy Driven Memory Governance Layer
- arxiv url: http://arxiv.org/abs/2603.18330v1
- Date: Wed, 18 Mar 2026 22:37:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-20 17:19:05.872554
- Title: MemArchitect: A Policy Driven Memory Governance Layer
- Title（参考訳）: MemArchitect: ポリシ駆動のメモリガバナンスレイヤ
- Authors: Lingavasan Suresh Kumar, Yang Ba, Rong Pan,
- Abstract要約: 私たちは、モデル重みからメモリライフサイクル管理を分離するガバナンス層であるMemArchitectを紹介します。
MemArchitectは、メモリ崩壊、コンフリクト解決、プライバシコントロールなど、明示的でルールベースのポリシーを実行する。
- 参考スコア（独自算出の注目度）: 7.056460460498077
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Persistent Large Language Model (LLM) agents expose a critical governance gap in memory management. Standard Retrieval-Augmented Generation (RAG) frameworks treat memory as passive storage, lacking mechanisms to resolve contradictions, enforce privacy, or prevent outdated information ("zombie memories") from contaminating the context window. We introduce MemArchitect, a governance layer that decouples memory lifecycle management from model weights. MemArchitect enforces explicit, rule-based policies, including memory decay, conflict resolution, and privacy controls. We demonstrate that governed memory consistently outperforms unmanaged memory in agentic settings, highlighting the necessity of structured memory governance for reliable and safe autonomous systems.
- Abstract（参考訳）: Persistent Large Language Model (LLM)エージェントは、メモリ管理において重要なガバナンスギャップを露呈する。
Standard Retrieval-Augmented Generation (RAG)フレームワークは、メモリをパッシブストレージとして扱い、矛盾を解決したり、プライバシーを強制したり、時代遅れの情報(動物性記憶)がコンテキストウィンドウを汚染するのを防ぐメカニズムを欠いている。
私たちは、モデル重みからメモリライフサイクル管理を分離するガバナンス層であるMemArchitectを紹介します。
MemArchitectは、メモリ崩壊、コンフリクト解決、プライバシコントロールなど、明示的でルールベースのポリシーを実行する。
我々は、管理されたメモリがエージェント設定で管理されていないメモリより一貫して優れており、信頼性が高く安全な自律システムのための構造化されたメモリガバナンスの必要性を強調している。
関連論文リスト
- Governing Evolving Memory in LLM Agents: Risks, Mechanisms, and the Stability and Safety Governed Memory (SSGM) Framework [18.46738022193615]
長期記憶は、自律型大規模言語モデル(LLM)エージェントの基礎コンポーネントとして登場した。
メモリガバナンス、セマンティックドリフト、プライバシ脆弱性に関する重要な懸念が浮上しました。
本稿では,概念的ガバナンスアーキテクチャであるSSGM(Stable and Safety-Governed Memory)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-12T10:16:52Z) - RMBench: Memory-Dependent Robotic Manipulation Benchmark with Insights into Policy Design [77.30163153176954]
RMBenchは、メモリの複雑さの複数のレベルにまたがる9つの操作タスクからなるシミュレーションベンチマークである。
Mem-0は、制御アブレーション研究をサポートするために設計された明示的なメモリコンポーネントを備えたモジュラー操作ポリシーである。
既存のポリシにおけるメモリ関連の制限を特定し、アーキテクチャ設計の選択がメモリパフォーマンスに与える影響に関する実証的な洞察を提供する。
論文 参考訳（メタデータ） (2026-03-01T18:59:59Z) - ActMem: Bridging the Gap Between Memory Retrieval and Reasoning in LLM Agents [14.695250837875454]
本稿では,ActMemと呼ばれる新しい動作可能なメモリフレームワークを提案する。
ActMemは非構造化対話履歴を構造化因果グラフと意味グラフに変換する。
エージェントは暗黙の制約を推論し、過去の状態と現在の意図の間の潜在的な衝突を解決することができる。
論文 参考訳（メタデータ） (2026-02-04T00:54:53Z) - 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) - 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)
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。