論文の概要: From Recall to Forgetting: Benchmarking Long-Term Memory for Personalized Agents

• arxiv url: http://arxiv.org/abs/2604.20006v1
• Date: Tue, 21 Apr 2026 21:31:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.855985
• Title: From Recall to Forgetting: Benchmarking Long-Term Memory for Personalized Agents
• Title（参考訳）: リコールからフォッギングへ:パーソナライズされたエージェントの長期メモリのベンチマーク
• Authors: Md Nayem Uddin, Kumar Shubham, Eduardo Blanco, Chitta Baral, Gengyu Wang,
• Abstract要約: Memoraは、数週間から数ヶ月のユーザ会話にまたがる長期メモリベンチマークです。 ベンチマークでは、記憶、推論、レコメンデーションの3つのメモリグラウンドタスクを評価している。 FAMA(Forgetting-Aware Memory Accuracy)は、古いメモリや無効メモリへの依存を罰するメトリクスである。
• 参考スコア（独自算出の注目度）: 38.52713500119118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personalized agents that interact with users over long periods must maintain persistent memory across sessions and update it as circumstances change. However, existing benchmarks predominantly frame long-term memory evaluation as fact retrieval from past conversations, providing limited insight into agents' ability to consolidate memory over time or handle frequent knowledge updates. We introduce Memora, a long-term memory benchmark spanning weeks to months long user conversations. The benchmark evaluates three memory-grounded tasks: remembering, reasoning, and recommending. To ensure data quality, we employ automated memory-grounding checks and human evaluation. We further introduce Forgetting-Aware Memory Accuracy (FAMA), a metric that penalizes reliance on obsolete or invalidated memory when evaluating long-term memory. Evaluations of four LLMs and six memory agents reveal frequent reuse of invalid memories and failures to reconcile evolving memories. Memory agents offer marginal improvements, exposing shortcomings in long-term memory for personalized agents.
• Abstract（参考訳）: 長期間にわたってユーザと対話するパーソナライズされたエージェントは、セッション間で永続的なメモリを保持し、状況が変わるにつれて更新する必要がある。 しかし、既存のベンチマークは、過去の会話からの事実検索として長期記憶評価を主眼としており、エージェントが時間とともにメモリを統合する能力や知識更新の頻繁な処理能力について限定的な洞察を与えている。 Memoraは、数週間から数ヶ月のユーザ会話にまたがる長期メモリベンチマークです。 ベンチマークでは、記憶、推論、レコメンデーションの3つのメモリグラウンドタスクを評価している。 データ品質を確保するため、我々は自動メモリグラウンドチェックと人的評価を採用する。 さらに、長期記憶の評価において、陳腐化した記憶や無効化された記憶への依存を罰する指標であるFAMA(Forgetting-Aware Memory Accuracy)についても紹介する。 4つのLDMと6つのメモリエージェントの評価は、無効な記憶の頻繁な再利用と、進化する記憶の再構築に失敗を示す。 メモリエージェントは限界的な改善を提供し、パーソナライズされたエージェントの長期的なメモリの欠点を露呈する。

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)
• According to Me: Long-Term Personalized Referential Memory QA [27.402232752643275]
  ATM-Benchはマルチモーダル、マルチソースパーソナライズされた参照メモリQAのための最初のベンチマークである。 ガイドメモリ(SGM)は、異なるソースから派生したメモリアイテムを構造的に表現する。 ATM-Bench-Hardセットでは性能が(20%の精度で)低いことが分かりました。
  論文  参考訳（メタデータ） (2026-03-02T15:42:29Z)
• MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks [55.145729491377374]
  メモリを持つエージェントの既存の評価は、通常、単独で記憶と行動を評価する。 マルチセッションメモリ-エージェント環境ループにおけるエージェントメモリのベンチマークのための統合評価ジムであるMemoryArenaを紹介する。 MemoryArenaは、Webナビゲーション、優先制約付き計画、プログレッシブ情報検索、シーケンシャルなフォーマルな推論を含む評価をサポートする。
  論文  参考訳（メタデータ） (2026-02-18T09:49:14Z)
• 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)
• Evaluating Long-Term Memory for Long-Context Question Answering [100.1267054069757]
  質問応答タスクにアノテートした合成長文対話のベンチマークであるLoCoMoを用いて,メモリ拡張手法の体系的評価を行う。 以上の結果から,メモリ拡張アプローチによりトークン使用率が90%以上削減され,競争精度が向上した。
  論文  参考訳（メタデータ） (2025-10-27T18:03:50Z)
• Multiple Memory Systems for Enhancing the Long-term Memory of Agent [9.43633399280987]
  MemoryBankやA-MEMといった既存の手法は、記憶されているメモリの質が劣っている。 我々は認知心理学理論にインスパイアされた多重記憶システムを設計した。
  論文  参考訳（メタデータ） (2025-08-21T06:29:42Z)
• LongMemEval: Benchmarking Chat Assistants on Long-Term Interactive Memory [68.97819665784442]
  チャットアシスタントの5つのコアメモリ能力を評価するためのベンチマークであるLongMemEvalを紹介する。 LongMemEvalは、既存の長期記憶システムにとって重要な課題である。 本稿では,長期記憶設計をインデックス化,検索,読解の3段階に分割する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-14T17:59:44Z)
• Evaluating Long-Term Memory in 3D Mazes [10.224858246626171]
  Memory Mazeはエージェントの長期記憶を評価するために設計されたランダム化迷路の3Dドメインである。 既存のベンチマークとは異なり、Memory Mazeはエージェントの能力から切り離された長期的なメモリを測定する。 現在のアルゴリズムは、時間の経過とともに縮小したバックプロパゲーションによるトレーニングの恩恵を受け、小さな迷路で成功するが、大きな迷路での人間のパフォーマンスに欠ける。
  論文  参考訳（メタデータ） (2022-10-24T16:32:28Z)

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。