Fugu-MT 論文翻訳(概要): MemArchitect: A Policy Driven Memory Governance Layer

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
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frameworks treat memory as passive storage, lacking mechanisms to resolve contradictions, enforce privacy, or prevent outdated information ("zombie memories") from contaminating the context window.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

MemLens: A Value-Aware Memory Management System with Interactive Analytics for LLM-based Agents [37.58098373690933]
本稿では,メモリレコードを第一級データオブジェクトとして扱うメモリ管理システムであるMemLensを紹介する。 MemLensは、完全なメモリライフサイクルを公開するエンドツーエンドのインタラクティブ分析ダッシュボードを提供する。
論文参考訳（メタデータ） (2026-07-28T17:08:56Z)
Mechanistic Attention Guidance for Agent Memory Refinement [32.57216046158823]
検索ヘッドアテンションは,セグメントレベルのメモリ使用量を明らかにするためのメカニスティック信号を提供する。本稿では,注意による利用パターンを用いてセグメントレベルのメモリ更新を誘導するフレームワークであるAttention-Guided Memory Refinement (AGMR)を提案する。
論文参考訳（メタデータ） (2026-07-20T07:17:50Z)
Memory as a Controlled Process: Learned Adaptive Memory Management for LLM Agents [72.3752981234916]
大きな言語モデル(LLM)エージェントは、タスク間の経験を蓄積するために、外部メモリシステムに依存している。メモリ操作をマルコフ決定プロセスとしてモデル化するフレームワークである制御プロセス(MemCon)としてメモリを提示する。 MemConは、複数のメモリベースラインのタスク成功率を最大15.2ポイント上回り、トークン消費量を5-20%削減している。
論文参考訳（メタデータ） (2026-07-15T08:32:40Z)
Beyond Similarity: Trustworthy Memory Search for Personal AI Agents [25.265839311088516]
個人AIエージェントにおける信頼境界としてのメモリ探索について検討する。 MemGateは、信頼性の高いメモリ検索のための軽量でデプロイ可能なメモリプラグインである。
論文参考訳（メタデータ） (2026-06-04T11:54:29Z)
MemGuard: Preventing Memory Contamination in Long-Term Memory-Augmented Large Language Models [56.31411457917676]
本稿では,メモリ構築と検索において,機能的メモリ境界を保存するタイプアウェアメモリフレームワークであるMemGuardを紹介する。幻覚と長期会話のベンチマーク全体で、MemGuardはメモリの信頼性を最大28.27%向上し、メモリトークンは以前の方法より5.8倍少ない。
論文参考訳（メタデータ） (2026-05-27T06:04:19Z)
MemMA: Coordinating the Memory Cycle through Multi-Agent Reasoning and In-Situ Self-Evolution [52.29303869050117]
メモリ拡張LDMエージェントは、長期の相互作用をサポートするために外部メモリバンクを保持する。 MemMAはプラグアンドプレイのマルチエージェントフレームワークで、前方と後方の両方の経路に沿ってメモリサイクルを調整する。
論文参考訳（メタデータ） (2026-03-19T10:15:59Z)
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。