論文の概要: Conversation Tree Architecture: A Structured Framework for Context-Aware Multi-Branch LLM Conversations

• arxiv url: http://arxiv.org/abs/2603.21278v1
• Date: Sun, 22 Mar 2026 15:11:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.322924
• Title: Conversation Tree Architecture: A Structured Framework for Context-Aware Multi-Branch LLM Conversations
• Title（参考訳）: 会話ツリーアーキテクチャ: コンテキスト対応マルチブランチLLM会話のための構造化フレームワーク
• Authors: Pranav Hemanth, Sampriti Saha,
• Abstract要約: 本稿では,対話木アーキテクチャ (CTA) について紹介する。これは,大規模言語会話を個別に分離したノードのツリーとして整理する階層的なフレームワークである。 アーキテクチャのプリミティブを形式化し、コンテキストフローにおけるオープンデザイン問題を特徴付け、動作するプロトタイプの実装を記述する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large language models (LLMs) are increasingly deployed for extended, multi-topic conversations, yet the flat, append-only structure of current conversation interfaces introduces a fundamental limitation: all context accumulates in a single unbounded window, causing topically distinct threads to bleed into one another and progressively degrade response quality. We term this failure mode logical context poisoning. In this paper, we introduce the Conversation Tree Architecture (CTA), a hierarchical framework that organizes LLM conversations as trees of discrete, context-isolated nodes. Each node maintains its own local context window; structured mechanisms govern how context flows between parent and child nodes, downstream on branch creation and upstream on branch deletion. We additionally introduce volatile nodes, transient branches whose local context must be selectively merged upward or permanently discarded before purging. We formalize the architecture's primitives, characterize the open design problems in context flow, relate our framework to prior work in LLM memory management, and describe a working prototype implementation. The CTA provides a principled foundation for structured conversational context management and extends naturally to multi-agent settings.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、拡張されたマルチトピックな会話のためにますますデプロイされているが、現在の会話インターフェースのフラットで追加のみの構造は、基本的な制限を導入している。 この障害モードを論理的コンテキスト中毒と呼ぶ。 本稿では,LLM会話を個別に分離したノードのツリーとして整理する階層型フレームワークであるConversation Tree Architecture (CTA)を紹介する。 各ノードは独自のローカルコンテキストウィンドウを保持しており、構造化されたメカニズムは、親ノードと子ノード間のコンテキストフロー、下流のブランチ生成、上流のブランチ削除を制御している。 さらに, 局所的なコンテキストを選択的に上向きにマージするか, パージ前に永久的に破棄する必要がある過渡枝である揮発性ノードを導入する。 アーキテクチャのプリミティブを形式化し、コンテキストフローにおけるオープンデザイン問題を特徴付け、LLMメモリ管理における以前の作業とフレームワークを関連付け、動作するプロトタイプ実装を記述する。 CTAは、構造化された会話コンテキスト管理のための原則化された基盤を提供し、自然にマルチエージェント設定に拡張する。

関連論文リスト

• AnCoder: Anchored Code Generation via Discrete Diffusion Models [36.226700922319075]
  拡散言語モデルは、自動回帰コード生成の魅力的な代替手段を提供する。 AnchorTreeは、コードにネイティブな構造化された階層的な事前処理を使って拡散プロセスをアンロックするフレームワークです。 構造的に固定された拡散が高品質なコード生成にパラメータ効率の高いパスを提供することを示すモデルのファミリであるAnCoderを使って、このフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-02-05T22:46:43Z)
• DYCP: Dynamic Context Pruning for Long-Form Dialogue with LLMs [8.451732843394973]
  大きな言語モデル(LLM)は、対話の長さが大きくなるにつれて応答遅延が増加し、応答品質が低下する。 我々は,クエリ時に関連メモリを動的に分割・取得する,軽量なコンテキスト管理手法であるDyCPを紹介する。
  論文  参考訳（メタデータ） (2026-01-12T20:47:50Z)
• Event Extraction in Large Language Model [99.94321497574805]
  私たちは、LLM中心のソリューションに認知的な足場を提供するシステムコンポーネントとして、EEは見なされるべきである、と論じます。 この調査では、EEのテキストとマルチモーダル設定、タスクと分類の整理、ルールベースとニューラルモデルから命令駆動および生成フレームワークへのメソッド進化のトレースについて取り上げている。
  論文  参考訳（メタデータ） (2025-12-22T16:22:14Z)
• FLARE v2: A Recursive Framework for Program Comprehension Across Common Teaching Languages and Levels of Abstraction [0.0]
  FLARE v2は、共通言語における抽象的なスケールでプログラムの意味を記述する方法の説明である。 FLARE v1の階層を1つのサイクルとして再構成する: 有界要素(受信、センチメント、エフェクト、共有)を識別し、2次元に沿った結合を分析する(Causal-TemporalおよびCommunicative)。
  論文  参考訳（メタデータ） (2025-12-10T02:35:14Z)
• AdmTree: Compressing Lengthy Context with Adaptive Semantic Trees [66.39371821756649]
  適応的で階層的なコンテキスト圧縮のための新しいフレームワークであるAdmTreeを提案する。 AdmTreeは情報密度に基づいて入力されたセグメントをgistトークンを利用して、可変長のセグメントをセマンティックバイナリツリーの葉として要約する。 グローバルなセマンティックコヒーレンスと共に細かな詳細を保存し、位置バイアスを緩和し、コンテンツに動的に適応することによって、AdmTreeは長いコンテキストのセマンティック情報をしっかりと保持する。
  論文  参考訳（メタデータ） (2025-12-04T08:04:19Z)
• ToM: Leveraging Tree-oriented MapReduce for Long-Context Reasoning in Large Language Models [107.86069298500855]
  ToMは、長期コンテキスト推論のための新しいツリー指向MapReduceフレームワークである。 ToM は既存の分割・クエリー・フレームワークや検索拡張生成手法よりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2025-11-01T10:43:58Z)
• Beyond Chunking: Discourse-Aware Hierarchical Retrieval for Long Document Question Answering [51.7493726399073]
  本稿では,長文質問応答を改善するための対話型階層型フレームワークを提案する。 このフレームワークには3つの重要な革新がある: 長文の専門的な談話解析、LLMに基づく談話関係ノードの拡張、構造誘導階層検索である。
  論文  参考訳（メタデータ） (2025-05-26T14:45:12Z)
• Toward Multi-Session Personalized Conversation: A Large-Scale Dataset and Hierarchical Tree Framework for Implicit Reasoning [30.54506564763053]
  2500のサンプルを持つ大規模長期データセットであるImplexConvを紹介し、それぞれに約100の会話セッションを含む。 また,会話履歴を複数のレベルの要約に構造化する新しい階層木フレームワークであるTaciTreeを提案する。
  論文  参考訳（メタデータ） (2025-03-10T07:59:41Z)
• FragRel: Exploiting Fragment-level Relations in the External Memory of Large Language Models [54.13671100638092]
  断片接続型階層型メモリベース大規模言語モデル(LLM)を提案する。 外部メモリにおけるフラグメントレベルの関係を定式化し、異なるテキストタイプに対していくつかのインスタンスを提示する。 長いストーリー理解、リポジトリレベルのコード生成、長期チャットにこれらの関係を組み込むことの利点を検証する。
  論文  参考訳（メタデータ） (2024-06-05T09:31:37Z)

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。