論文の概要: EgoSelf: From Memory to Personalized Egocentric Assistant

• arxiv url: http://arxiv.org/abs/2604.19564v2
• Date: Wed, 22 Apr 2026 03:52:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.462201
• Title: EgoSelf: From Memory to Personalized Egocentric Assistant
• Title（参考訳）: EgoSelf: メモリからパーソナライズされたエゴセントリックアシスタントへ
• Authors: Yanshuo Wang, Yuan Xu, Xuesong Li, Jie Hong, Yizhou Wang, Chang Wen Chen, Wentao Zhu,
• Abstract要約: EgoSelfは過去の観測から構築されたグラフベースのインタラクションメモリを含むシステムである。 メモリは、ユーザ固有のプロファイルが導出されるインタラクションイベントとエンティティ間の時間的および意味的な関係をキャプチャする。 パーソナライズされた学習タスクは、グラフに記録された個々のユーザの履歴行動から将来のインタラクションを予測する予測問題として定式化される。
• 参考スコア（独自算出の注目度）: 44.86486625757587
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Egocentric assistants often rely on first-person view data to capture user behavior and context for personalized services. Since different users exhibit distinct habits, preferences, and routines, such personalization is essential for truly effective assistance. However, effectively integrating long-term user data for personalization remains a key challenge. To address this, we introduce EgoSelf, a system that includes a graph-based interaction memory constructed from past observations and a dedicated learning task for personalization. The memory captures temporal and semantic relationships among interaction events and entities, from which user-specific profiles are derived. The personalized learning task is formulated as a prediction problem where the model predicts possible future interactions from individual user's historical behavior recorded in the graph. Extensive experiments demonstrate the effectiveness of EgoSelf as a personalized egocentric assistant. Code is available at https://abie-e.github.io/EgoSelf/.
• Abstract（参考訳）: エゴセントリックアシスタントは、パーソナライズされたサービスのユーザの振る舞いとコンテキストをキャプチャするために、ファーストパーソナライズされたビューデータに依存することが多い。 異なるユーザが異なる習慣、好み、ルーチンを示すため、そのようなパーソナライゼーションは真に効果的な支援に不可欠である。 しかし、パーソナライズのための長期的なユーザーデータを効果的に統合することは重要な課題である。 そこで本稿では,過去の観測から構築されたグラフベースのインタラクションメモリと,パーソナライズのための専用学習タスクを備えたEgoSelfを紹介する。 メモリは、ユーザ固有のプロファイルが導出されるインタラクションイベントとエンティティ間の時間的および意味的な関係をキャプチャする。 パーソナライズされた学習タスクは、グラフに記録された個々のユーザの履歴行動から将来のインタラクションを予測する予測問題として定式化される。 大規模な実験は、パーソナライズされた自己中心型アシスタントとしてのEgoSelfの有効性を示す。 コードはhttps://abie-e.github.io/EgoSelf/.comで入手できる。

関連論文リスト

• PERMA: Benchmarking Personalized Memory Agents via Event-Driven Preference and Realistic Task Environments [72.02445514666428]
  静的な嗜好リコールを超えてペルマの一貫性を評価するためのベンチマークであるPERMAを紹介する。 PerMAは、複数のセッションとドメインにまたがる時間的に順序付けられたインタラクションイベントと、時間とともに好みに関連するクエリで構成されている。 実験により、関連するインタラクションをリンクすることで、高度なメモリシステムはより正確な好みを抽出し、トークン消費を減らすことができることが示された。
  論文  参考訳（メタデータ） (2026-03-24T14:04:11Z)
• OP-Bench: Benchmarking Over-Personalization for Memory-Augmented Personalized Conversational Agents [55.27061195244624]
  オーバーパーソナライゼーションを3つのタイプに分類する。 エージェントは不要な場合でも、ユーザメモリを取得およびオーバーアタッチする傾向があります。 我々の研究は、メモリ拡張対話システムにおいて、より制御可能で適切なパーソナライズに向けた最初の一歩を踏み出した。
  論文  参考訳（メタデータ） (2026-01-20T08:27:13Z)
• MemWeaver: A Hierarchical Memory from Textual Interactive Behaviors for Personalized Generation [12.075641773020152]
  本稿では,ユーザのテキスト履歴全体を階層記憶に織り込み,パーソナライズされた生成を行うフレームワークを提案する。 MemWeaverは、時間情報と意味情報を統合した2つの補完的なメモリコンポーネントを構築している。
  論文  参考訳（メタデータ） (2025-10-09T02:47:21Z)
• PRIME: Large Language Model Personalization with Cognitive Dual-Memory and Personalized Thought Process [6.27203886967197]
  大規模言語モデル(LLM)のパーソナライゼーションは、モデルのアウトプットを個人の独特な好みや意見と整合させることを目的としている。 本稿では,エピソードおよびセマンティックメモリ機構を用いた統一フレームワークPRIMEを提案する。 実験はPRIMEの有効性を長文と短文の両方のシナリオで検証する。
  論文  参考訳（メタデータ） (2025-07-07T01:54:34Z)
• Personalized Graph-Based Retrieval for Large Language Models [51.7278897841697]
  ユーザ中心の知識グラフを利用してパーソナライゼーションを強化するフレームワークを提案する。 構造化されたユーザ知識を直接検索プロセスに統合し、ユーザ関連コンテキストにプロンプトを拡大することにより、PGraphはコンテキスト理解と出力品質を向上させる。 また,ユーザ履歴が不足あるいは利用できない実環境において,パーソナライズされたテキスト生成タスクを評価するために設計された,パーソナライズドグラフベースのテキスト生成ベンチマークを導入する。
  論文  参考訳（メタデータ） (2025-01-04T01:46:49Z)
• EgoTracks: A Long-term Egocentric Visual Object Tracking Dataset [19.496721051685135]
  身体追跡は多くの自我中心の視覚問題にとって重要な要素である。 EgoTracksは、長期的なエゴセントリックなビジュアルオブジェクトトラッキングのための新しいデータセットである。 本稿では,STARKトラッカーの性能向上を図り,エゴセントリックデータの性能向上を図っている。
  論文  参考訳（メタデータ） (2023-01-09T09:10:35Z)
• Incremental user embedding modeling for personalized text classification [12.381095398791352]
  個々のユーザプロファイルとインタラクション履歴は、現実世界のアプリケーションでカスタマイズされたエクスペリエンスを提供する上で重要な役割を果たす。 本稿では,ユーザの最近のインタラクション履歴を動的に統合したインクリメンタルなユーザ埋め込みモデリング手法を提案する。 Redditデータセットに基づくパーソナライズされた多クラス分類タスクに適用することで,このアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-02-13T17:33:35Z)

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。