論文の概要: Persistent Identity in AI Agents: A Multi-Anchor Architecture for Resilient Memory and Continuity

• arxiv url: http://arxiv.org/abs/2604.09588v1
• Date: Mon, 02 Mar 2026 02:34:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.523463
• Title: Persistent Identity in AI Agents: A Multi-Anchor Architecture for Resilient Memory and Continuity
• Title（参考訳）: AIエージェントにおける永続的アイデンティティ - 回復力のあるメモリと連続性のためのマルチアンカーアーキテクチャ
• Authors: Prahlad G. Menon,
• Abstract要約: soul.pyは、分離可能なコンポーネントを通して永続的なアイデンティティを実装するオープンソースのアーキテクチャです。 我々は、AIシステムにおけるアイデンティティアンカーの概念を定式化し、部分記憶障害に耐えられるエージェントを構築するためのロードマップを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern AI agents suffer from a fundamental identity problem: when context windows overflow and conversation histories are summarized, agents experience catastrophic forgetting -- losing not just information, but continuity of self. This technical limitation reflects a deeper architectural flaw: AI agent identity is centralized in a single memory store, creating a single point of failure. Drawing on neurological case studies of human memory disorders, we observe that human identity survives damage because it is distributed across multiple systems: episodic memory, procedural memory, emotional continuity, and embodied knowledge. We present soul.py, an open-source architecture that implements persistent identity through separable components (identity files and memory logs), and propose extensions toward multi-anchor resilience. The framework introduces a hybrid RAG+RLM retrieval system that automatically routes queries to appropriate memory access patterns, achieving efficient retrieval without sacrificing comprehensiveness. We formalize the notion of identity anchors for AI systems and present a roadmap for building agents whose identity can survive partial memory failures. Code is available at github.com/menonpg/soul.py
• Abstract（参考訳）: コンテキストウィンドウのオーバーフローと会話履歴が要約されると、エージェントは破滅的な忘れを経験します。 この技術的な制限は、より深いアーキテクチャ上の欠陥を反映している。AIエージェントのアイデンティティは単一のメモリストアに集中しており、単一障害点を生成する。 人間の記憶障害の神経学的ケーススタディに基づいて、人間のアイデンティティは、エピソード記憶、手続き記憶、感情的連続性、具体的知識など、複数のシステムに分散しているため、損傷に耐えられることを観察した。 分離可能なコンポーネント(IDファイルとメモリログ)を通じて永続的なアイデンティティを実装するオープンソースのアーキテクチャである soul.py を紹介し,マルチアンカーレジリエンスへの拡張を提案する。 このフレームワークは、クエリを適切なメモリアクセスパターンに自動的にルーティングするハイブリッドなRAG+RLM検索システムを導入し、包括性を犠牲にすることなく効率的な検索を実現する。 我々は、AIシステムにおけるアイデンティティアンカーの概念を定式化し、部分記憶障害に耐えられるエージェントを構築するためのロードマップを示す。 コードはgithub.com/menonpg/soul.pyで入手できる。

関連論文リスト

• AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents [49.63422082885992]
  長軸対話エージェントのための適応型ユーザ中心メモリフレームワークであるAdaMemを提案する。 AdaMemは対話履歴をワーキング、エピソディック、ペルソナ、グラフメモリに整理する。 LoCoMo と PERSONAMEM ベンチマーク上での AdaMem の評価を行った。
  論文  参考訳（メタデータ） (2026-03-17T13:22:54Z)
• 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)
• Memory for Autonomous LLM Agents:Mechanisms, Evaluation, and Emerging Frontiers [0.42061757959666934]
  大きな言語モデル(LLM)エージェントは、単一のコンテキストウィンドウが小さすぎて何が起きているのかをキャプチャできないような環境で、ますます運用される。 メモリはステートレステキストジェネレータを真に適応的なエージェントに変える。 この調査は、メモリがどのように設計され、実装され、現代のLCMベースのエージェントで評価されるかという構造化された説明を提供する。
  論文  参考訳（メタデータ） (2026-03-08T15:08:01Z)
• Memory as Ontology: A Constitutional Memory Architecture for Persistent Digital Citizens [1.827510863075184]
  AIエージェントメモリシステムにおける現在の研究と製品開発は、ほとんど普遍的に、メモリを機能モジュールとして扱う。 本稿では,メモリ・アズ・オントロジーのパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-05T02:24:10Z)
• AMA: Adaptive Memory via Multi-Agent Collaboration [54.490349689939166]
  複数の粒度にまたがるメモリ管理に協調エージェントを活用する新しいフレームワークであるAMA(Adaptive Memory via Multi-Agent Collaboration)を提案する。 AMAは、ステート・オブ・ザ・アートのベースラインを著しく上回り、トークンの消費をフルコンテキストの手法と比べて約80%削減する。
  論文  参考訳（メタデータ） (2026-01-28T08:09:49Z)
• FadeMem: Biologically-Inspired Forgetting for Efficient Agent Memory [4.608947574766633]
  本稿では,人間の認知効率を反映した能動的忘れ機構を組み込んだ,生物学的にインスパイアされたエージェントメモリアーキテクチャであるFadeMemを提案する。 マルチセッションチャット, LoCoMo, LTI-Benchの実験では, ストレージの45%削減により, 優れたマルチホップ推論と検索が可能となった。
  論文  参考訳（メタデータ） (2026-01-26T16:12:54Z)
• 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)
• Agentic Learner with Grow-and-Refine Multimodal Semantic Memory [50.81667005063605]
  ViLoMemは、コンパクトなスキーマベースのメモリを構築するデュアルストリームメモリフレームワークである。 視覚的障害パターンと論理的推論エラーを符号化し、MLLMが成功し失敗した経験から学ぶことを可能にする。
  論文  参考訳（メタデータ） (2025-11-26T18:55:08Z)
• AI-native Memory 2.0: Second Me [26.425003835524123]
  SECOND MEはインテリジェントで永続的なメモリオフロードシステムとして機能する。 コンテキスト対応の応答を生成し、必要な情報をプリフィルし、外部システムとのシームレスな通信を容易にする。 さらに、第2のMEは、永続的で文脈的に認識され、自己最適化されたメモリシステムとの人間と世界の相互作用を強化するための重要なステップである。
  論文  参考訳（メタデータ） (2025-03-11T07:05:52Z)

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。