論文の概要: Artifacts as Memory Beyond the Agent Boundary

• arxiv url: http://arxiv.org/abs/2604.08756v1
• Date: Thu, 09 Apr 2026 20:39:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.575096
• Title: Artifacts as Memory Beyond the Agent Boundary
• Title（参考訳）: エージェント境界を越えた記憶としてのアーティファクト
• Authors: John D. Martin, Fraser Mince, Esra'a Saleh, Amy Pajak,
• Abstract要約: 環境がエージェントのメモリとして機能することを示します。 エージェントが空間的経路を観察すると,パフォーマンスポリシーを学習するのに要するメモリ量が減少することを示す。 この課題に関するさらなる研究は、明示的な内部記憶の代用として環境を活用するための原則的な方法を明らかにすることを期待する。
• 参考スコア（独自算出の注目度）: 1.43494686131174
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The situated view of cognition holds that intelligent behavior depends not only on internal memory, but on an agent's active use of environmental resources. Here, we begin formalizing this intuition within Reinforcement Learning (RL). We introduce a mathematical framing for how the environment can functionally serve as an agent's memory, and prove that certain observations, which we call artifacts, can reduce the information needed to represent history. We corroborate our theory with experiments showing that when agents observe spatial paths, the amount of memory required to learn a performant policy is reduced. Interestingly, this effect arises unintentionally, and implicitly through the agent's sensory stream. We discuss the implications of our findings, and show they satisfy qualitative properties previously used to ground accounts of external memory. Moving forward, we anticipate further work on this subject could reveal principled ways to exploit the environment as a substitute for explicit internal memory.
• Abstract（参考訳）: 認知の立場から考えると、知的行動は内部記憶だけでなく、エージェントの環境資源の積極的な利用にも依存する。 ここでは、強化学習(RL)におけるこの直観の形式化を開始する。 我々は,環境がエージェントの記憶として機能しうる数学的フレーミングを導入し,人工物と呼ぶある種の観察が歴史を表現するために必要な情報を減らすことを証明した。 エージェントが空間的経路を観察すると、パフォーマンスポリシーを学習するために必要なメモリ量が減少することを示す実験で、我々の理論を裏付ける。 興味深いことに、この効果は意図せず、エージェントの感覚の流れを通して暗黙的に起こる。 本研究の意義を考察し, 外部記憶の基底となる定性的特性を満足することを示す。 今後,この課題に関するさらなる研究が,明示的な内部メモリの代替として,環境を活用できる基本的方法を明らかにすることを期待する。

関連論文リスト

• 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)
• How Memory Management Impacts LLM Agents: An Empirical Study of Experience-Following Behavior [65.70584076918679]
  メモリは、大きな言語モデル(LLM)ベースのエージェントにおいて重要なコンポーネントである。 本稿では,メモリ管理の選択がLLMエージェントの行動,特に長期的パフォーマンスに与える影響について検討する。
  論文  参考訳（メタデータ） (2025-05-21T22:35:01Z)
• In-Memory Learning: A Declarative Learning Framework for Large Language Models [56.62616975119192]
  本研究では,人間ラベルデータに頼らずにエージェントが環境に整合できる新しい学習フレームワークを提案する。 このプロセス全体がメモリコンポーネント内で変換され、自然言語で実装される。 フレームワークの有効性を実証し、この問題に対する洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-05T08:25:11Z)
• A Machine with Short-Term, Episodic, and Semantic Memory Systems [9.42475956340287]
  明示的な人間の記憶システムの認知科学理論に触発されて、我々は短期的、エピソード的、セマンティックな記憶システムを持つエージェントをモデル化した。 実験により,人間のような記憶システムを持つエージェントは,このメモリ構造を環境に残さずにエージェントよりも優れた性能を発揮できることが示唆された。
  論文  参考訳（メタデータ） (2022-12-05T08:34:23Z)
• Learning What to Memorize: Using Intrinsic Motivation to Form Useful Memory in Partially Observable Reinforcement Learning [0.0]
  曖昧な環境で学習するためには、エージェントは以前の認識を記憶に残さなければならない。 本研究では, メモリの制御をエージェントに委ねることで, メモリ変更動作を可能とすることで, メモリの制御をエージェントに行わせるという考え方に従う。 この学習メカニズムは、希少な観察を記憶する本質的な動機によって支えられ、エージェントが環境中の状態を曖昧にするのに役立つ。
  論文  参考訳（メタデータ） (2021-10-25T11:15:54Z)

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。