論文の概要: Back to Basics: Let Conversational Agents Remember with Just Retrieval and Generation

• arxiv url: http://arxiv.org/abs/2604.11628v1
• Date: Mon, 13 Apr 2026 15:38:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.655956
• Title: Back to Basics: Let Conversational Agents Remember with Just Retrieval and Generation
• Title（参考訳）: 基本に戻る:会話エージェントが検索と生成だけで思い出せるようにする
• Authors: Yuqian Wu, Wei Chen, Zhengjun Huang, Junle Chen, Qingxiang Liu, Kai Wang, Xiaofang Zhou, Yuxuan Liang,
• Abstract要約: 既存の会話記憶システムは、長期対話履歴を管理するために複雑な階層化や強化学習に依存している。 我々は2つの重要な現象を識別する:textitDecisive Evidence SparsityとtextitDual-Level Redundancy これらの知見に触発されて,会話記憶を基本に戻す最小限のフレームワークであるメソッドを提案する。
• 参考スコア（独自算出の注目度）: 36.056012318684175
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing conversational memory systems rely on complex hierarchical summarization or reinforcement learning to manage long-term dialogue history, yet remain vulnerable to context dilution as conversations grow. In this work, we offer a different perspective: the primary bottleneck may lie not in memory architecture, but in the \textit{Signal Sparsity Effect} within the latent knowledge manifold. Through controlled experiments, we identify two key phenomena: \textit{Decisive Evidence Sparsity}, where relevant signals become increasingly isolated with longer sessions, leading to sharp degradation in aggregation-based methods; and \textit{Dual-Level Redundancy}, where both inter-session interference and intra-session conversational filler introduce large amounts of non-informative content, hindering effective generation. Motivated by these insights, we propose \method, a minimalist framework that brings conversational memory back to basics, relying solely on retrieval and generation via Turn Isolation Retrieval (TIR) and Query-Driven Pruning (QDP). TIR replaces global aggregation with a max-activation strategy to capture turn-level signals, while QDP removes redundant sessions and conversational filler to construct a compact, high-density evidence set. Extensive experiments on multiple benchmarks demonstrate that \method achieves robust performance across diverse settings, consistently outperforming strong baselines while maintaining high efficiency in tokens and latency, establishing a new minimalist baseline for conversational memory.
• Abstract（参考訳）: 既存の会話記憶システムは、長期的な対話履歴を管理するために複雑な階層的な要約や強化学習に依存しているが、会話が大きくなるにつれてコンテキストの希釈に弱いままである。 主なボトルネックはメモリアーキテクチャではなく、潜在知識多様体内の \textit{Signal Sparsity Effect} にある。 制御された実験を通して、関連する信号がより長いセッションで分離され、集約ベースの手法の急激な劣化につながるような、‘textit{Decisive Evidence Sparsity’ と、‘textit{Dual-Level Redundancy’ という2つの重要な現象を同定する。 これらの知見に触発されて、我々は会話メモリを基本に戻す最小限のフレームワークである \method を提案し、Turn isolation Retrieval (TIR) と Query-Driven Pruning (QDP) による検索と生成にのみ依存する。 TIRは、グローバルアグリゲーションをターンレベルの信号をキャプチャするための最大アクティベーション戦略に置き換え、QDPは冗長セッションと会話フィラーを取り除き、コンパクトで高密度なエビデンスセットを構築する。 複数のベンチマークに関する大規模な実験によると、‘method’はさまざまな設定で堅牢なパフォーマンスを実現し、トークンとレイテンシの高効率を維持しながら、強いベースラインを一貫して上回り、会話メモリのための新たな最小限のベースラインを確立している。

関連論文リスト

• AgentLongBench: A Controllable Long Benchmark For Long-Contexts Agents via Environment Rollouts [78.33143446024485]
  我々は、横方向思考パズルに基づく環境ロールアウトによるエージェントの評価を行うtextbfAgentLongBenchを紹介した。 このフレームワークは、知識集約的で知識のないシナリオにまたがる厳密な相互作用の軌跡を生成する。
  論文  参考訳（メタデータ） (2026-01-28T16:05:44Z)
• A Simple Yet Strong Baseline for Long-Term Conversational Memory of LLM Agents [4.706565675142042]
  LLMベースの会話エージェントは、多くのセッションにおいてコヒーレントでパーソナライズされたインタラクションを維持するのに依然として苦労している。 ニューダビッドソンのイベントセマンティクスに触発され、会話履歴を短く、イベントのような命題として表現するイベント中心の代替案を提案する。 我々の設計は、情報を非圧縮形式で保存し、より損失の多いものよりもアクセスしやすくすることを目的としています。
  論文  参考訳（メタデータ） (2025-11-21T12:41:17Z)
• AssoMem: Scalable Memory QA with Multi-Signal Associative Retrieval [28.858496175399623]
  本稿では,対話発話をアンロックして手がかりを自動的に抽出する連想記憶グラフ構築フレームワークAssoMemを提案する。 AssoMemはSOTAベースラインを一貫して上回り、コンテキスト対応メモリリコールにおいてその優位性を検証する。
  論文  参考訳（メタデータ） (2025-10-12T01:23:23Z)
• On Memory Construction and Retrieval for Personalized Conversational Agents [69.46887405020186]
  本稿では,セグメンテーションモデルを導入し,セグメントレベルでメモリバンクを構築するセグメンテーション手法であるSeComを提案する。 実験結果から,SeComは長期会話ベンチマークLOCOMOとLong-MT-Bench+のベースラインよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2025-02-08T14:28:36Z)

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。