論文の概要: Beyond Similarity Search: Tenure and the Case for Structured Belief State in LLM Memory
- arxiv url: http://arxiv.org/abs/2605.11325v1
- Date: Mon, 11 May 2026 23:22:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.474992
- Title: Beyond Similarity Search: Tenure and the Case for Structured Belief State in LLM Memory
- Title（参考訳）: 類似性探索を超えて: LLM記憶における構造的信念状態の実態と事例
- Authors: Jeffrey Flynt,
- Abstract要約: クロスセッションメモリは状態管理の問題であり、検索の問題ではない。
テンチュアは、精度優先の検索を通じて、全てのLDMセッションにキュレートされたコンテキストを注入する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Why do we need another AI to help the AI? We argue you don't. Stateless LLM sessions impose re-orientation costs on iterative, session-heavy workflows. Prior work addresses cross-session memory through retrieval-augmented approaches: store history, embed it, retrieve by semantic similarity. Cross-session memory is a state management problem, not a search problem. Similarity search fails for named entity resolution within bounded vocabulary contexts because beliefs about a shared technical domain are semantically proximate by construction. A single user is the simplest bounded vocabulary context; engineering teams converge on the same property through shared codebases and terminology. We present Tenure, a local-first proxy that maintains a typed belief store with epistemic status, versioned supersession, and scope isolation, injecting curated context into every LLM session through precision-first retrieval. Hard scope isolation provides a structural guarantee: the right beliefs surface, and only within the boundaries the user has authorized. Tenure's typed schema converts extracted facts into imperative instructions via a why it matters field, making injected beliefs directly actionable rather than raw material for the model to re-derive. A controlled evaluation on 72 retrieval cases demonstrates the gap. Cosine similarity over dense embeddings achieves mean precision of 0.12. Alias-weighted BM25 maintains mean precision of 1.0, passing 72/72 cases versus 8/72 for cosine similarity on the same corpus. Hybrid retrieval typically solves vocabulary mismatch between disparate authors; Tenure eliminates this structurally: query and belief authors are the same person, and an alias enrichment flywheel continuously indexes their specific vocabulary. Under multi-turn topic drift this worsens: the vector backend produces drift scores of 0.43--0.50 on noise-critical turns where BM25 maintains 0.
- Abstract（参考訳）: なぜAIを助けるために別のAIが必要なのか?
我々は君がそうでないと主張する。
ステートレスLLMセッションは、反復的でセッションの多いワークフローに対して、再オリエンテーションコストを課します。
以前の作業では、履歴の保存、埋め込み、セマンティックな類似性による検索といった、検索強化されたアプローチを通じて、クロスセッションメモリに対処していた。
クロスセッションメモリは状態管理の問題であり、検索の問題ではない。
類似性探索は、共有技術ドメインに関する信念が構成によって意味論的に予言されるため、境界付き語彙コンテキスト内の名前付きエンティティ解決に失敗する。
エンジニアリングチームは、共有コードベースと用語を通じて同じプロパティに収束する。
提案するローカルファーストプロキシであるTenureは,病的状態,バージョン別スーパーセッション,スコープアイソレーションを備えた型付き信念ストアを,精度優先の検索を通じて各LDMセッションにキュレートされたコンテキストを注入する。
ハードスコープの分離は、適切な信念が表面化し、ユーザが承認したバウンダリ内でのみ、構造的な保証を提供する。
Tenureの型付けスキーマは、抽出した事実をフィールドが問題となる理由を通じて命令的命令に変換する。
72件の検索事例に対する制御された評価は,そのギャップを示す。
密着体に対するコサイン類似性は平均精度0.12に達する。
Alias-weighted BM25は平均1.0の精度を維持し、同じコーパス上のコサイン類似性に対して72/72ケースを通過させる。
ハイブリッド検索は典型的には、異なる著者間の語彙ミスマッチを解消する; 天性は、この構造を排除する: クエリと信念の著者は同じ人物であり、エイリアス豊か化フライホイールは、それぞれの特定の語彙を継続的にインデックス付けする。
ベクトルバックエンドは0.43-0.50のドリフトスコアを生成し、BM25は0を維持している。
関連論文リスト
- Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction [127.64173950476702]
エージェントが直接、汎用端末ツールを用いて、生コーパスを直接検索する直接コーパス間相互作用(DCI)について検討する。
このアプローチではオフラインインデックスを必要とせず、ローカルコーパスの進化に自然に適応する。
IRベンチマークとエンドツーエンドのエージェント検索タスク全体にわたって、この単純なセットアップは、強いスパース、密度、リランクベースラインよりも大幅に優れています。
論文 参考訳（メタデータ） (2026-05-03T19:13:11Z) - Semantic Needles in Document Haystacks: Sensitivity Testing of LLM-as-a-Judge Similarity Scoring [39.19569497931068]
文書比較の微妙な意味変化に対してLLM感度を探索するスケーラブルな多要素実験フレームワークを提案する。
LLMは文書内位置バイアスを呈するなど,いくつかの顕著な知見が得られた。
提案フレームワークは,現在および将来のモデル間でのスコアリング動作の監査と比較を行うための,実用的でLCMに依存しないツールキットを提供する。
論文 参考訳（メタデータ） (2026-04-20T20:59:25Z) - Semantic Entanglement in Vector-Based Retrieval: A Formal Framework and Context-Conditioned Disentanglement Pipeline for Agentic RAG Systems [0.0]
埋め込み空間における交叉重なりのモデル相対尺度として意味的絡み合いを定式化する。
埋め込みに先立って文書を再構成する4段階の事前処理フレームワークであるセマンティック・ディスタングルメント・パイプライン(SDP)を紹介した。
約25のサブドメインにわたる2,000以上のドキュメントからなる実世界の企業医療知識ベースでSDPを評価した。
論文 参考訳（メタデータ） (2026-04-20T00:24:34Z) - Evaluating the impact of word embeddings on similarity scoring in practical information retrieval [0.5872014229110214]
ベクトル空間モデリング(VSM)とニューラルワード埋め込みは、現代の機械学習と自然言語処理パイプラインにおいて重要な役割を果たす。
本稿では,ニューラルワード埋め込みのセントロイドの共通類似度尺度から離れて,クエリ文の類似度を測定する方法を提案する。
論文 参考訳（メタデータ） (2026-02-05T14:57:38Z) - LLM-guided Hierarchical Retrieval [54.73080745446999]
LATTICEは階層的な検索フレームワークであり、LLMは対数探索の複雑さで大きなコーパスを推論し、ナビゲートすることができる。
LLM誘導探索における中心的な課題は、モデルの関連性判断がノイズが多く、文脈に依存し、階層性に気付かないことである。
我々のフレームワークは、推論集約型BRIGHTベンチマークで最先端のゼロショット性能を実現する。
論文 参考訳（メタデータ） (2025-10-15T07:05:17Z) - SparseCL: Sparse Contrastive Learning for Contradiction Retrieval [87.02936971689817]
コントラディション検索(Contradiction Search)とは、クエリの内容に明示的に異を唱える文書を識別し、抽出することである。
類似性探索やクロスエンコーダモデルといった既存の手法には、大きな制限がある。
文間の微妙で矛盾したニュアンスを保存するために特別に訓練された文埋め込みを利用するSparseCLを導入する。
論文 参考訳（メタデータ） (2024-06-15T21:57:03Z) - Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。
RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
論文 参考訳（メタデータ） (2022-12-17T05:25:17Z) - 'Tis but Thy Name: Semantic Question Answering Evaluation with 11M Names
for 1M Entities [0.0]
Wiki Entity similarity(WES)データセットは、Wikipediaのリンクテキストから生成される111M例、ドメインターゲット、セマンティックエンティティ類似性データセットである。
例はエンティティとフレーズで、セマンティッククラスタにグループ化され、複数の基底構造ラベルをシミュレートする。
人間のアノテータは、WESラベルに一貫して同意し、基本的なクロスエンコーダメトリックは、人間の正当性を予測するための4つの古典的な指標よりも優れている。
論文 参考訳（メタデータ） (2022-02-28T07:12:39Z) - Adversarial Semantic Collisions [129.55896108684433]
意味的衝突:意味論的に無関係だが、NLPモデルにより類似と判断されるテキストについて検討する。
我々は,意味的衝突を生成するための勾配に基づくアプローチを開発した。
パープレキシティに基づくフィルタリングを避けるために,意味的衝突を生成する方法を示す。
論文 参考訳（メタデータ） (2020-11-09T20:42:01Z) - Autoregressive Entity Retrieval [55.38027440347138]
エンティティは、知識の表現と集約の方法の中心にあります。
クエリが与えられたエンティティを検索できることは、エンティティリンクやオープンドメインの質問応答のような知識集約的なタスクに基本となる。
本稿では,自己回帰方式でトークン・バイ・トークンを左から右に生成し,エンティティを検索する最初のシステムであるGENREを提案する。
論文 参考訳（メタデータ） (2020-10-02T10:13:31Z)
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。