論文の概要: The Price of Meaning: Why Every Semantic Memory System Forgets

• arxiv url: http://arxiv.org/abs/2603.27116v1
• Date: Sat, 28 Mar 2026 04:01:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.792537
• Title: The Price of Meaning: Why Every Semantic Memory System Forgets
• Title（参考訳）: 意味の価格:なぜすべてのセマンティックメモリシステムが忘れているのか
• Authors: Sambartha Ray Barman, Andrey Starenky, Sofia Bodnar, Nikhil Narasimhan, Ashwin Gopinath,
• Abstract要約: すべての主要なAIメモリシステムは、意味によって情報を整理するが、価格は高い。 その組織は、一般化、アナロジー、概念検索を可能にします。 一般化を可能にする同じ幾何学的構造が干渉、脆弱性、虚偽のリコールを引き起こすことを証明している。
• 参考スコア（独自算出の注目度）: 2.950505915120811
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Every major AI memory system in production today organises information by meaning. That organisation enables generalisation, analogy, and conceptual retrieval -- but it comes at a price. We prove that the same geometric structure enabling semantic generalisation makes interference, forgetting, and false recall inescapable. We formalise this tradeoff for \textit{semantically continuous kernel-threshold memories}: systems whose retrieval score is a monotone function of an inner product in a semantic feature space with finite local intrinsic dimension. Within this class we derive four results: (1) semantically useful representations have finite effective rank; (2) finite local dimension implies positive competitor mass in retrieval neighbourhoods; (3) under growing memory, retention decays to zero, yielding power-law forgetting curves under power-law arrival statistics; (4) for associative lures satisfying a $δ$-convexity condition, false recall cannot be eliminated by threshold tuning. We test these predictions across five architectures: vector retrieval, graph memory, attention-based context, BM25 filesystem retrieval, and parametric memory. Pure semantic systems express the vulnerability directly as forgetting and false recall. Reasoning-augmented systems partially override these symptoms but convert graceful degradation into catastrophic failure. Systems that escape interference entirely do so by sacrificing semantic generalisation. The price of meaning is interference, and no architecture we tested avoids paying it.
• Abstract（参考訳）: 現在生産中のすべての主要なAIメモリシステムは、意味によって情報を整理している。 その組織は、一般化、アナロジー、概念検索を可能にします。 意味的一般化を可能にする同じ幾何学的構造が干渉、忘れ、虚偽のリコールを不能にすることを示す。 検索スコアが内積の単調関数である系は、有限局所固有次元のセマンティック特徴空間において内部積の単調関数である。 このクラス内では、(1)意味的に有用な表現は、有限有効ランク、(2)有限局所次元は、検索近傍の正の競合質量を表す、(3)記憶の増大下では、保留はゼロとなり、パワー-ロー到着統計の下では、パワー-ローを忘れる曲線が得られる、(4)$δ$-凸条件を満たす連想的ルアーに対して、偽のリコールは閾値チューニングによって排除できない、という4つの結果が導かれる。 これらの予測は,ベクトル検索,グラフメモリ,アテンションベースのコンテキスト,BM25ファイルシステム検索,パラメトリックメモリの5つのアーキテクチャで検証する。 純粋なセマンティックシステムは、脆弱性を直接、忘れたり虚偽のリコールとして表現する。 Reasoning-augmented systemはこれらの症状を部分的にオーバーライドするが、優雅な劣化を破滅的な失敗に変換する。 干渉から逃れるシステムは、意味一般化を犠牲にする。 意味の代償は干渉であり、私たちがテストしたアーキテクチャではその支払いは避けられません。

関連論文リスト

• Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval [59.295767860331004]
  RF-Memは、親しみやすい不確実性誘導デュアルパスメモリレトリバーである。 それは、人間のようなデュアルプロセス認識をレトリバーに埋め込む。 一定の予算とレイテンシの制約の下で、ワンショット検索とフルコンテキスト推論を一貫して上回る。
  論文  参考訳（メタデータ） (2026-03-10T06:31:44Z)
• 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)
• REMem: Reasoning with Episodic Memory in Language Agent [32.63834745610879]
  エピソードメモリを用いた構築と推論のためのフレームワークであるREMemについて述べる。 我々はREMemがMem0やHippoRAG 2のような時空間記憶システムよりも大幅に優れていることを示す。 REMemはまた、答えられない質問に対してより堅牢な拒絶行動を示す。
  論文  参考訳（メタデータ） (2026-02-13T23:54:55Z)
• Entropic Efficiency of Bayesian Inference Protocols [0.8594140167290097]
  推論は、科学的発見、機械学習、日々の意思決定の基盤となる汎用的なツールである。 我々は、情報ゲインと累積メモリ消去コストの比率として、推論効率を定義する。 我々は、同じメモリを反復的に活用するシーケンシャルと、多くのメモリを同時に活用する並列という、2つの制限測定パラダイムをベンチマークする。
  論文  参考訳（メタデータ） (2026-01-24T03:43:38Z)
• Mind the Gap: Why Neural Memory Fails Under Semantic Density [0.0]
  現在のAIシステムは、この分離を欠き、ニューラルウェイトだけで両方の機能を試みている。 オンラインニューラルメモリの'安定性ギャップ'を識別する。 崩壊はN=5の事実を高密度で示している。 また、本運用システムでは、スキーマドリフトとバージョンあいまいさを主要な障害モードとみなしています。
  論文  参考訳（メタデータ） (2026-01-14T18:55:23Z)
• Memory as Resonance: A Biomimetic Architecture for Infinite Context Memory on Ergodic Phonetic Manifolds [0.0]
  本稿では,言語をエルゴード多様体上の連続経路としてエンコードするニューロシンボリックアーキテクチャであるPhontic Trajectory Memoryを紹介する。 我々は,検索が共鳴の過程となり,最大92%の事実精度を確保することを実証した。 我々の結果は、無限のコンテキストは無限のシリコンを必要としないことを示唆している。記憶されるデータではなく、保存されていない物理信号に作用する再構成プロセスとしてメモリを扱う必要がある。
  論文  参考訳（メタデータ） (2025-12-23T10:55:32Z)
• Wave-Based Semantic Memory with Resonance-Based Retrieval: A Phase-Aware Alternative to Vector Embedding Stores [51.56484100374058]
  本稿では,波動パターン$psi(x) = A(x) eiphi(x)$として知識をモデル化し,共振に基づく干渉によってそれを検索する新しいフレームワークを提案する。 このアプローチは振幅情報と位相情報の両方を保存し、より表現的かつ堅牢な意味的類似性を実現する。
  論文  参考訳（メタデータ） (2025-08-21T10:13:24Z)
• Beyond Turing: Memory-Amortized Inference as a Foundation for Cognitive Computation [5.234742752529437]
  本稿では,メモリの潜時サイクル上での認識を推論としてモデル化する形式的フレームワークとして,メモリ記憶推論(MAI)を紹介した。 我々は,MAIがMountcastleのUniversal Cortical Algorithmの基本的な基盤を提供することを示す。 人工知能の実現にMAIが与える深い影響について,簡潔に論じる。
  論文  参考訳（メタデータ） (2025-08-19T15:10:26Z)
• Pin the Memory: Learning to Generalize Semantic Segmentation [68.367763672095]
  本稿ではメタラーニングフレームワークに基づくセマンティックセグメンテーションのための新しいメモリ誘導ドメイン一般化手法を提案する。 本手法は,セマンティッククラスの概念的知識を,ドメインを超えて一定であるカテゴリ記憶に抽象化する。
  論文  参考訳（メタデータ） (2022-04-07T17:34:01Z)
• CoSeg: Cognitively Inspired Unsupervised Generic Event Segmentation [118.18977078626776]
  イベントセグメンテーション/バウンダリ検出のためのエンドツーエンドの自己教師型学習フレームワークを提案する。 本フレームワークは, イベント境界を再構成誤差で検出するトランスフォーマーに基づく特徴再構成手法を利用する。 私たちの研究の目標は、特定のイベントをローカライズするのではなく、ジェネリックイベントをセグメント化することです。
  論文  参考訳（メタデータ） (2021-09-30T14:40:32Z)
• Kanerva++: extending The Kanerva Machine with differentiable, locally block allocated latent memory [75.65949969000596]
  エピソディックメモリとセマンティックメモリは、人間のメモリモデルの重要なコンポーネントです。 我々は、エピソードメモリとセマンティックメモリのギャップを埋める新しい原理ベイズメモリ割り当てスキームを開発しました。 この割り当て方式がメモリ条件画像生成の性能を向上させることを実証する。
  論文  参考訳（メタデータ） (2021-02-20T18:40:40Z)

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。