論文の概要: MEMOREPAIR: Barrier-First Cascade Repair in Agentic Memory
- arxiv url: http://arxiv.org/abs/2605.07242v1
- Date: Fri, 08 May 2026 04:57:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.806237
- Title: MEMOREPAIR: Barrier-First Cascade Repair in Agentic Memory
- Title（参考訳）: MEMOREPAIR: エージェントメモリにおけるバリア最初のカスケード修復
- Authors: Yang Zhao, Chengxiao Dai, Mengying Kou, Yue Xiu,
- Abstract要約: エージェント記憶のためのバリアファーストカスケード修復契約を提示する。
修理イベントは、無効化された子孫状態から検証された後継者状態への制御された遷移を誘導する。
本研究では, 発刊問題を最大重み付き前者閉鎖に還元し, 単一のs-t min-cutで正確に解けることを示す。
- 参考スコア（独自算出の注目度）: 6.860488391361694
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agentic memory evolves across tasks into durable derived artifacts: summaries, cached outputs, embeddings, learned skills, and executable tool procedures. When a source artifact is deleted, corrected, or invalidated by tool or API migration, descendants derived from that source can remain visible and steer future actions with stale support. We formalize this failure mode as the cascade update problem, where repair targets the visible derived state of the memory store. We present MemoRepair, a barrier-first cascade-repair contract for agentic memory. A repair event induces a controlled transition from invalidated descendant state to validated successor state: affected descendants are withdrawn before repair, successors are constructed from retained support and staged repaired predecessors under the current interface, and republication is restricted to validated predecessor-closed successors. This contract induces a scalarized repair-selection problem for a fixed repair-cost tradeoff. We show that the induced publication problem reduces to maximum-weight predecessor closure and can be solved exactly by a single s-t min-cut. Experiments on ToolBench and MemoryArena show that, with complete influence provenance, MemoRepair reduces invalidated-memory exposure from 69.8-94.3% under systems without cascade repair to 0%. Compared with exhaustive Repair all, it recovers 91.1-94.3% of validated successors while reducing normalized repair-operator cost from 1.00 to 0.57-0.76.
- Abstract（参考訳）: エージェントメモリはタスク間で進化し、要約、キャッシュアウトプット、埋め込み、学習スキル、実行可能なツールプロシージャなど、耐久性のある派生アーティファクトへと進化する。
ソースアーティファクトが削除され、修正され、あるいはツールやAPIマイグレーションによって無効になった場合、ソースから派生した子孫は見え続けることができ、古いサポートで将来のアクションをコントロールできる。
我々は、この障害モードをカスケード更新問題として定式化し、修復は、メモリストアの可視的派生状態をターゲットにしている。
エージェントメモリのためのバリアファーストカスケード・リペア契約であるMemoRepairを提示する。
修復イベントは、無効となった子孫状態から、検証された後継者状態へ制御された遷移を誘導し、損傷した子孫は、修理前に退避し、後継者は、現在のインターフェースの下で、保持された支持から構築され、ステージ化された修復された前任者から、バリデーションは、検証された前身後継者に限定される。
この契約は、固定修理コストトレードオフに対するスカラー化修理選択問題を誘導する。
本研究では, 発刊問題を最大重み付き前者閉鎖に還元し, 単一のs-t min-cutで正確に解けることを示す。
ToolBenchとMemoryArenaの実験では、完全に影響しているため、MemoRepairは無効化されたメモリの露光をカスケード修復のないシステムで69.8-94.3%から0%に削減している。
徹底的な修理に比べ、検証された後継機の91.1-94.3%を回収し、通常の修理作業コストを1.00から0.57-0.76に引き下げた。
関連論文リスト
- A Parametric Memory Head for Continual Generative Retrieval [52.66674234249913]
生成情報検索(GenIR)は、検索を単一のニューラルモデルに統合し、クエリから直接ドキュメント識別子(ドシデント)をデコードする。
逐次適応は、新たに追加された文書の検索を改善するが、以前のスライスの性能は著しく低下することを示す。
本稿では,モジュール型パラメトリックメモリヘッドで適応モデルを拡張するメモリのみの安定化ステージである,後適応メモリチューニング(PAMT)を提案する。
論文 参考訳（メタデータ） (2026-04-25T17:38:51Z) - QiMeng-PRepair: Precise Code Repair via Edit-Aware Reward Optimization [50.722636027998]
大規模言語モデル (LLM) はプログラム修復性能が高いが、しばしば過剰な編集に悩まされる。
オーバー編集を軽減し,修復精度を向上させるフレームワークであるPRepairを提案する。
論文 参考訳（メタデータ） (2026-04-07T14:56:38Z) - Beyond Crash-to-Patch: Patch Evolution for Linux Kernel Repair [2.267311896805228]
Linuxカーネルの修正は、受け入れ前にメーリングリストの反復的なリビジョンが行われ、レビュアーからのフィードバックが正確さ、ハンドリング、APIコンプライアンスを形作る。
6946 syzbot-linked bug-fix cyclesを再構築し,カーネルパッチの進化に関する大規模な研究を行った。
我々は、検索ベースのメモリと微調整された診断アドバイザを統合する修復フレームワークであるPatchAdvisorを開発し、コードエージェントをレビュアー対応パッチへ誘導する。
論文 参考訳（メタデータ） (2026-04-04T20:23:32Z) - Are Benchmark Tests Strong Enough? Mutation-Guided Diagnosis and Augmentation of Regression Suites [49.16055123488827]
十分に強力なテストスイートは、報告された成功率を膨らませながら、妥当だが意味的に正しくないパッチを認めることができる。
STINGは、意味的に変化するプログラムの変種を診断ストレス要因として利用する、ターゲットテスト拡張のためのフレームワークである。
STINGは211インスタンスにまたがる1014の検証テストを生成し、パッチリージョンラインとブランチカバレッジを10.8%、9.5%向上させた。
論文 参考訳（メタデータ） (2026-04-02T01:13:40Z) - WARP: Guaranteed Inner-Layer Repair of NLP Transformers [4.191577542171072]
本稿では, Transformer モデルの最後のレイヤを超えて修復を拡張可能な制約ベースの修復フレームワークである WARP を提案する。
WARPは、対数ギャップの1次線形化から導かれる凸二次プログラムとして修復を定式化する。
WARP は軽度の仮定の下で全ての補修制約を満たす解に収束することを示す。
論文 参考訳（メタデータ） (2026-04-01T14:12:49Z) - NextMem: Towards Latent Factual Memory for LLM-based Agents [58.35585202907478]
NextMemは、自動回帰型オートエンコーダを使用して、潜時メモリを効率的に構築する、潜時ファクトメモリフレームワークである。
大規模な実験は、NextMemが優れたパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2026-02-26T14:35:27Z) - Specification Vibing for Automated Program Repair [8.68148153927532]
VibeRepairは仕様中心のAPR技術で、修正をアドホックなコード編集ではなく、行動特化修復として扱う。
Defects4J v1.2では、VibeRepairが174のバグを正しく修復し、最先端のベースラインを28のバグで越えている。
Defects4J v2.0では、178のバグを修復し、33のバグによる以前のアプローチよりも優れ、23%の改善を示している。
論文 参考訳（メタデータ） (2026-02-09T04:44:58Z) - Outcome-Conditioned Reasoning Distillation for Resolving Software Issues [49.16055123488827]
本稿では, 検証済みパッチを監督として, リポジトリ内問題を解決したO-CRD(Outcome-Conditioned Reasoning Distillation)フレームワークを提案する。
歴史的修正から始まり、検証結果から段階的な修理トレースを後方に再構築する。
SWE-Bench Liteでは、GPT-4oではPass@1が10.4%、DeepSeek-V3では8.6%、GPT-5では10.3%増加する。
論文 参考訳（メタデータ） (2026-01-30T18:25:39Z) - Remember Me, Refine Me: A Dynamic Procedural Memory Framework for Experience-Driven Agent Evolution [52.76038908826961]
我々は静的ストレージと動的推論のギャップを埋めるため、$textbfReMe$ ($textitRemember Me, Refine Me$)を提案する。
ReMeは3つのメカニズムを通じてメモリライフサイクルを革新する: $textitmulti-faceted distillation$, きめ細かい経験を抽出する。
BFCL-V3とAppWorldの実験では、ReMeが新しい最先端のエージェントメモリシステムを確立している。
論文 参考訳（メタデータ） (2025-12-11T14:40:01Z) - Inconsistency Handling in Prioritized Databases with Universal Constraints: Complexity Analysis and Links with Active Integrity Constraints [2.4622211579286133]
本稿では,普遍的な制約を備えた一貫性のないデータベースを修復・クエリする問題を再考する。
我々は対称的な差分修復を採用しており、削除と事実の追加の両方を一貫性の回復に利用することができる。
より単純な否定的制約と、事実の削除のみに基づいて定義された、既存の最適修復の概念が、よりリッチな設定に適切に拡張可能であることを示す。
論文 参考訳（メタデータ） (2023-06-06T09:17:56Z)
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。