論文の概要: StructMem: Structured Memory for Long-Horizon Behavior in LLMs

• arxiv url: http://arxiv.org/abs/2604.21748v1
• Date: Thu, 23 Apr 2026 14:57:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.666009
• Title: StructMem: Structured Memory for Long-Horizon Behavior in LLMs
• Title（参考訳）: 構造Mem:LLMにおける長距離動作のための構造化メモリ
• Authors: Buqiang Xu, Yijun Chen, Jizhan Fang, Ruobin Zhong, Yunzhi Yao, Yuqi Zhu, Lun Du, Shumin Deng,
• Abstract要約: StructMemは構造化された階層型メモリフレームワークで、イベントレベルのバインディングを保持し、相互接続を誘導する。 デュアルパースペクティブを一時アンロックし、周期的なセマンティックコンソリデーションを実行することで、StructMemは、texttLoCoMo上での時間的推論とマルチホップパフォーマンスを改善し、トークンの使用、API呼び出し、ランタイムを大幅に削減する。
• 参考スコア（独自算出の注目度）: 32.74072149174656
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Long-term conversational agents need memory systems that capture relationships between events, not merely isolated facts, to support temporal reasoning and multi-hop question answering. Current approaches face a fundamental trade-off: flat memory is efficient but fails to model relational structure, while graph-based memory enables structured reasoning at the cost of expensive and fragile construction. To address these issues, we propose \textbf{StructMem}, a structure-enriched hierarchical memory framework that preserves event-level bindings and induces cross-event connections. By temporally anchoring dual perspectives and performing periodic semantic consolidation, StructMem improves temporal reasoning and multi-hop performance on \texttt{LoCoMo}, while substantially reducing token usage, API calls, and runtime compared to prior memory systems, see https://github.com/zjunlp/LightMem .
• Abstract（参考訳）: 長期会話エージェントは、時間的推論とマルチホップ質問応答をサポートするために、単に孤立した事実ではなく、イベント間の関係をキャプチャするメモリシステムを必要とする。 フラットメモリは効率的だがリレーショナル構造をモデル化できないのに対して、グラフベースのメモリは高価で脆弱な構築コストで構造化推論を可能にする。 これらの問題に対処するために、イベントレベルのバインディングを保持し、相互接続を誘導する構造に富んだ階層型メモリフレームワークである \textbf{StructMem} を提案する。 デュアルパースペクティブを時間的にアンロックし、周期的なセマンティックコンソリデーションを実行することで、StructMemは \texttt{LoCoMo} 上での時間的推論とマルチホップパフォーマンスを改善し、トークンの使用、API呼び出し、ランタイムを以前のメモリシステムと比較して大幅に削減する。

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)
• 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)
• ES-Mem: Event Segmentation-Based Memory for Long-Term Dialogue Agents [25.10969436399974]
  ES-Memは、長期のインタラクションを、異なる境界を持つセマンティックな一貫性のあるイベントに分割するフレームワークである。 ES-Memはベースライン法よりも一貫した性能向上を示す。 提案したイベントセグメンテーションモジュールは、対話セグメンテーションデータセットに堅牢な適用性を示す。
  論文  参考訳（メタデータ） (2026-01-12T14:33:32Z)
• Beyond Dialogue Time: Temporal Semantic Memory for Personalized LLM Agents [68.84161689205779]
  テンポラルセマンティックメモリ(TSM)は、ポイントワイドメモリのセマンティックタイムをモデル化するメモリフレームワークである。 TSMは既存の手法を一貫して上回り、最大12.2%の精度向上を実現している。
  論文  参考訳（メタデータ） (2026-01-12T12:24:44Z)
• Amory: Building Coherent Narrative-Driven Agent Memory through Agentic Reasoning [14.368376032599437]
  Amoryは、オフライン時に構造化されたメモリ表現を積極的に構築するワーキングメモリフレームワークである。 アモリーは会話の断片を叙事詩の物語に整理し、記憶を運動量と統合し、周辺事実を意味記憶に意味づける。 Amoryは従来の最先端よりも大幅に改善され、パフォーマンスは完全なコンテキスト推論に匹敵し、レスポンスタイムを50%削減した。
  論文  参考訳（メタデータ） (2026-01-09T19:51:11Z)
• 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)
• LiCoMemory: Lightweight and Cognitive Agentic Memory for Efficient Long-Term Reasoning [15.189701702660821]
  LiCoMemoryはリアルタイム更新と検索のためのエンドツーエンドのエージェントメモリフレームワークである。 CoGraphは、エンティティとリレーションをセマンティックインデックス層として利用する、軽量な階層グラフである。 長期の対話ベンチマークであるLoCoMoとLongMemEvalの実験では、LiCoMemoryは時間的推論、マルチセッション一貫性、検索効率において確立されたベースラインを上回るだけでなく、更新レイテンシも顕著に低減している。
  論文  参考訳（メタデータ） (2025-11-03T11:02:40Z)
• 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)

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。