論文の概要: Cognifold: Always-On Proactive Memory via Cognitive Folding

• arxiv url: http://arxiv.org/abs/2605.13438v1
• Date: Wed, 13 May 2026 12:34:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.042937
• Title: Cognifold: Always-On Proactive Memory via Cognitive Folding
• Title（参考訳）: Cognifold:認知的フォールディングによる常にアクティブなメモリ
• Authors: Suli Wang, Yiqun Duan, Yu Deng, Rundong Zhao, Dai Shi, Xinliang Zhou,
• Abstract要約: CogniFoldは脳にインスパイアされた「常にオン」エージェントメモリで、次世代のプロアクティブアシスタント向けに設計された。 補完学習システム理論を2層(ヒッポカンポス、ネオコルテックス)から3層に拡張し、事前の意図層を追加することで、これを裏付ける。 我々はCogEval-Benchを用いて構造形成を評価し、CogniFoldが認知期待に合致するメモリ構造を独自に生成することを示した。
• 参考スコア（独自算出の注目度）: 15.403868103736556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing agent memory remains predominantly reactive and retrieval-based, lacking the capacity to autonomously organize experience into persistent cognitive structure. Toward genuinely autonomous agents, we introduce Cognifold, a brain-inspired "always-on" agent memory designed for the next generation of proactive assistants. CogniFold continuously folds fragmented event streams into self-emerging cognitive structures, bootstrapping progressively higher-level cognition from incoming events and accumulated knowledge. We ground this by extending Complementary Learning Systems (CLS) theory from two layers (hippocampus, neocortex) to three, adding a prefrontal intent layer. Emulating the prefrontal cortex as the locus of intentional control and decision-making, CogniFold achieves this through graph-topology self-organization: cognitive structures proactively assemble under the stream, merge when semantically similar, decay when stale, relink through associative recall, and surface intents when concept-cluster density crosses a threshold. We evaluate structural formation using CogEval-Bench, demonstrating that CogniFold uniquely produces memory structures that match cognitive expectations and concept emergence. Furthermore, across 7 broad-coverage benchmarks spanning five cognitive domains, we validate that CogniFold simultaneously performs robustly on conventional memory benchmarks.
• Abstract（参考訳）: 既存のエージェント記憶は、主に反応性と検索に基づくものであり、経験を永続的な認知構造に自律的に整理する能力が欠如している。 真に自律的なエージェントを目指して、次世代のプロアクティブアシスタント用に設計された脳にインスパイアされた「常にオン」エージェントメモリであるCognifoldを紹介した。 CogniFoldは、断片化されたイベントストリームを自己エメージングな認知構造に継続的に折り畳み、着信したイベントから徐々に高いレベルの認知をブートストラップし、知識を蓄積する。 補足学習システム(CLS)理論を2層(ヒッポカンポス、ネオコルテックス)から3層に拡張し、前頭前皮質の意図層を追加することで、これを裏付ける。 前頭前皮質を意図的な制御と意思決定の軌跡としてエミュレートし、CogniFoldはグラフトポロジーの自己組織化によってこれを達成している:認知構造は、ストリームの下に積極的に組み立てられ、意味論的に類似した時に融合し、古い時に崩壊し、連想的リコールを通じてリリンクされ、概念クラスター密度がしきい値を超えたときに表面意図が結合される。 我々はCogEval-Benchを用いて構造形成を評価し、CogniFoldが認知期待と概念の出現にマッチするメモリ構造を独自に生成することを示した。 さらに,5つの認知領域にまたがる7つの広域ベンチマークにおいて,CogniFoldが従来のメモリベンチマークに対して同時に堅牢に動作していることを検証する。

関連論文リスト

• HeLa-Mem: Hebbian Learning and Associative Memory for LLM Agents [8.86975756125001]
  HeLa-Memは、バイオインスパイアされたメモリアーキテクチャで、Hebbianの学習力学を用いた動的グラフとしてメモリをモデル化する。 HeLa-Memは、(1)コアクティベーションパターンを通じて進化するエピソードメモリグラフ、(2)Hebbian Distillationを介して蓄積されるセマンティックメモリストアである。 LoCoMoの実験では、コンテキストトークンをはるかに少なく使用しながら、4つの質問カテゴリで優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-04-18T05:11:18Z)
• Human-Like Lifelong Memory: A Neuroscience-Grounded Architecture for Infinite Interaction [0.0]
  大規模言語モデルは、長期の相互作用と文脈に敏感な検索のための永続的で構造化されたメモリを欠いている。 本稿では, 相補学習システム理論, 認知行動療法の信念階層, 二重プロセス認知, ファジィトレース理論に基づくバイオインスピレーションドメモリフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-30T21:35:28Z)
• AI Meets Brain: Memory Systems from Cognitive Neuroscience to Autonomous Agents [69.39123054975218]
  メモリは過去と未来の重要なネクサスブリッジとして機能する。 自律エージェントに関する最近の研究は、認知神経科学に基づいて効率的な記憶を設計することに集中している。
  論文  参考訳（メタデータ） (2025-12-29T10:01:32Z)
• Memory in the Age of AI Agents [217.9368190980982]
  この研究は、現在のエージェントメモリ研究の最新の展望を提供することを目的としている。 我々は,エージェントメモリ,すなわちトークンレベル,パラメトリック,潜時メモリの3つの支配的実現を同定する。 実用的な開発を支援するため、メモリベンチマークとオープンソースフレームワークの包括的な概要をコンパイルする。
  論文  参考訳（メタデータ） (2025-12-15T17:22:34Z)
• MemGen: Weaving Generative Latent Memory for Self-Evolving Agents [57.1835920227202]
  本稿では,エージェントに人間的な認知機能を持たせる動的生成記憶フレームワークであるMemGenを提案する。 MemGenは、エージェントが推論を通して潜在記憶をリコールし、増大させ、記憶と認知の密接なサイクルを生み出すことを可能にする。
  論文  参考訳（メタデータ） (2025-09-29T12:33:13Z)
• Latent Structured Hopfield Network for Semantic Association and Retrieval [52.634915010996835]
  エピソード記憶は、オブジェクト、場所、時間などの意味的要素をコヒーレントなイベント表現に関連付けることによって、過去の経験を思い出すことができる。 本稿では,連続ホップフィールドアトラクタダイナミクスを自動エンコーダアーキテクチャに統合するフレームワークであるLatent Structured Hopfield Network (LSHN)を提案する。 従来のホップフィールドネットワークとは異なり、我々のモデルは勾配勾配でエンドツーエンドに訓練され、スケーラブルで堅牢なメモリ検索を実現する。
  論文  参考訳（メタデータ） (2025-06-02T04:24:36Z)
• Memory, Space, and Planning: Multiscale Predictive Representations [5.572701755354684]
  生物学的および人工エージェントの柔軟な行動は、過去からの学習の相互作用と、常に変化する環境における未来を予測することに依存する。 この章は、これらのプロセスが認知地図として知られる経験の構造を学ぶことに依存することを示す計算的、行動的、神経的な証拠をレビューする。
  論文  参考訳（メタデータ） (2024-01-16T21:46:43Z)

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。