論文の概要: To Know is to Construct: Schema-Constrained Generation for Agent Memory

• arxiv url: http://arxiv.org/abs/2604.20117v1
• Date: Wed, 22 Apr 2026 02:27:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.921994
• Title: To Know is to Construct: Schema-Constrained Generation for Agent Memory
• Title（参考訳）: To Know is to construct: Schema-Constrained Generation for Agent Memory
• Authors: Lei Zheng, Weinan Song, Daili Li, Yanming Yang,
• Abstract要約: 構成主義者は、知識は受動的にコピーするのではなく、積極的に構築されていると主張している。 既存のエージェントメモリシステムの多くは、依然として高密度検索に基づいている。 本稿では,スキーマ制約付き生成メモリアーキテクチャであるSCG-MEMを提案する。
• 参考スコア（独自算出の注目度）: 2.741370704286479
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Constructivist epistemology argues that knowledge is actively constructed rather than passively copied. Despite the generative nature of Large Language Models (LLMs), most existing agent memory systems are still based on dense retrieval. However, dense retrieval heavily relies on semantic overlap or entity matching within sentences. Consequently, embeddings often fail to distinguish instances that are semantically similar but contextually distinct, introducing substantial noise by retrieving context-mismatched entries. Conversely, directly employing open-ended generation for memory access risks "Structural Hallucination" where the model generates memory keys that do not exist in the memory, leading to lookup failures. Inspired by this epistemology, we posit that memory is fundamentally organized by cognitive schemas, and valid recall must be a generative process performed within these schematic structures. To realize this, we propose SCG-MEM, a schema-constrained generative memory architecture. SCG-MEM reformulates memory access as Schema-Constrained Generation. By maintaining a dynamic Cognitive Schema, we strictly constrain LLM decoding to generate only valid memory entry keys, providing a formal guarantee against structural hallucinations. To support long-term adaptation, we model memory updates via assimilation (grounding inputs into existing schemas) and accommodation (expanding schemas with novel concepts). Furthermore, we construct an Associative Graph to enable multi-hop reasoning through activation propagation. Experiments on the LoCoMo benchmark show that SCG-MEM substantially improves performance across all categories over retrieval-based baselines.
• Abstract（参考訳）: 構成主義の認識論は、知識は受動的に複製されるのではなく、活発に構築されていると主張している。 LLM(Large Language Models)の生成特性にもかかわらず、既存のエージェントメモリシステムは依然として高密度検索に基づいている。 しかし、密集検索は文内の意味的重複や実体マッチングに大きく依存している。 その結果、埋め込みは意味的に似ているが文脈的に異なるインスタンスを区別することができず、コンテキストミスマッチしたエントリを取得することでかなりのノイズを生じさせる。 逆に、メモリアクセスにオープンエンドジェネレーションを直接使用することで、モデルがメモリ内に存在しないメモリキーを生成する構造的幻覚(Structural Hallucination)が発生する。 この認識学に触発されて、記憶は認知スキーマによって根本的に組織化されており、有効なリコールはこれらのスキーマ構造の中で実行される生成過程でなければならないと仮定する。 そこで本研究では,スキーマ制約付き生成メモリアーキテクチャであるSCG-MEMを提案する。 SCG-MEMは、メモリアクセスをSchema-Constrained Generationとして再構成する。 動的認知スキーマを維持することにより、LCM復号化を厳格に制約し、有効なメモリエントリキーのみを生成し、構造的幻覚に対する正式な保証を提供する。 長期適応をサポートするため、同化(既存スキーマへの基底入力)と収容(新しい概念による拡張スキーマ)によるメモリ更新をモデル化する。 さらに,アクティベーション伝搬によるマルチホップ推論を可能にするアソシエイトグラフを構築した。 LoCoMoベンチマークの実験により、SCG-MEMは検索ベースラインよりも全カテゴリで性能を大幅に向上することが示された。

関連論文リスト

• Memory as Metabolism: A Design for Companion Knowledge Systems [0.0]
  本稿では,単一ユーザ LLM メモリに対するコンパニオン固有のガバナンスプロファイルを提案する。 設計原理は、パーソナライズ LLM メモリがコンパニオンシステムであるということである。 シングルエージェントレベルでの安全ストーリーは部分的であり、論文はそれが何をするかを明確にし、解決しない。
  論文  参考訳（メタデータ） (2026-04-13T20:22:53Z)
• 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)
• From Verbatim to Gist: Distilling Pyramidal Multimodal Memory via Semantic Information Bottleneck for Long-Horizon Video Agents [78.30630000529133]
  本稿ではファジィトレース理論に基づくピラミッド型マルチモーダルメモリアーキテクチャMM-Memを提案する。 MM-Memメモリは階層的に感覚バッファ、エピソードストリーム、シンボリックに構造する。 実験により、MM-Memがオフラインタスクとストリーミングタスクの両方で有効であることが確認された。
  論文  参考訳（メタデータ） (2026-03-02T05:12:45Z)
• Understand Then Memory: A Cognitive Gist-Driven RAG Framework with Global Semantic Diffusion [14.538534837583931]
  Retrieval-Augmented Generation (RAG)は、外部知識を取り入れることで、LLMの幻覚を効果的に緩和する。 本稿では,認知記憶過程をシミュレートするRAGフレームワークであるCogitoRAGを提案する。 CogitoRAGは最先端のRAG手法よりも優れており、複雑な知識の統合や推論において優れた能力を示している。
  論文  参考訳（メタデータ） (2026-02-11T12:58:08Z)
• The AI Hippocampus: How Far are We From Human Memory? [77.04745635827278]
  インプリシットメモリは、事前訓練されたトランスフォーマーの内部パラメータに埋め込まれた知識を指す。 明示メモリは、動的でクエリ可能な知識表現でモデル出力を増大させるように設計された外部ストレージと検索コンポーネントを含んでいる。 エージェントメモリは、自律エージェント内に永続的、時間的に拡張されたメモリ構造を導入する。
  論文  参考訳（メタデータ） (2026-01-14T03:24:08Z)
• Memory Matters More: Event-Centric Memory as a Logic Map for Agent Searching and Reasoning [55.251697395358285]
  大規模言語モデル(LLM)は、環境を推論し、計画し、相互作用するインテリジェントエージェントとして、ますます多くデプロイされている。 長期のシナリオに効果的にスケールするには、そのようなエージェントの重要な機能は、過去の経験を保持し、整理し、取り出すことができるメモリメカニズムである。 イベント理論にインスパイアされたイベント中心のメモリフレームワークであるCompassMemを提案する。
  論文  参考訳（メタデータ） (2026-01-08T08:44:07Z)
• 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)
• CAM: A Constructivist View of Agentic Memory for LLM-Based Reading Comprehension [55.29309306566238]
  現在のLarge Language Models (LLM) は、長文文書を解釈する際に圧倒的な情報量に直面している。 この課題は、バニラLSMを自律的な読み出しエージェントに高めることができる凝集性メモリモジュールの必須性を高める。 我々はジャン・ピアジェの構成主義理論(Constructivist Theory)からインスピレーションを得て、エージェントメモリの3つの特性(構造化スキーマ、フレキシブルな同化、動的調節)を表現した。
  論文  参考訳（メタデータ） (2025-10-07T02:16:30Z)
• MemOS: An Operating System for Memory-Augmented Generation (MAG) in Large Language Models [31.944531660401722]
  我々は,大規模言語モデル(LLM)用に設計されたメモリオペレーティングシステムであるMemOSを紹介する。 コアとなるMemCubeは、異種メモリの追跡、融合、マイグレーションを可能にする標準化されたメモリ抽象化である。 MemOSは、強力な制御性、適応性、進化性を備えたメモリ中心の実行フレームワークを確立する。
  論文  参考訳（メタデータ） (2025-05-28T08:27:12Z)

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。