論文の概要: R^2-Mem: Reflective Experience for Memory Search

• arxiv url: http://arxiv.org/abs/2605.13486v1
• Date: Wed, 13 May 2026 13:09:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.062668
• Title: R^2-Mem: Reflective Experience for Memory Search
• Title（参考訳）: R^2-Mem: メモリ検索におけるリフレクティブエクスペリエンス
• Authors: Xinyuan Wang, Wenyu Mao, Junkang Wu, Xiang Wang, Xiangnan He,
• Abstract要約: R2-Memは、メモリ検索システムのための反射体験フレームワークである。 オフラインの段階では、Learner-guided Evaluatorは歴史的軌跡の低品質と高品質のステップをスコアする。 オンライン推論では、検索されたエクスペリエンスが将来の検索アクションを誘導し、繰り返しのミスを避ける。
• 参考スコア（独自算出の注目度）: 25.798601679871425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep search has recently emerged as a promising paradigm for enabling agents to retrieve fine-grained historical information without heavy memory pre-managed. However, existing deep search agents for memory system repeat past error behaviors because they fail to learn from the prior high- and low-quality search trajectories. To address this limitation, we propose R^2-Mem, a reflective experience framework for memory search systems. In the offline stage, a Rubric-guided Evaluator scores low- and high-quality steps in historical trajectories, and a self-Reflection Learner distills the corresponding abstract experience. During the online inference, the retrieved experience will guide future search actions to avoid repeated mistakes and maintain high-quality behaviors. Extensive experiments demonstrate that R^2-Mem consistently improves both effectiveness and efficiency over strong baselines, improving F1 scores by up to 22.6%, while reducing token consumption by 12.9% and search iterations by 20.2%. These results verify that R^2-Mem provides a RL-free and low-cost solution for self-improving LLM agents.
• Abstract（参考訳）: ディープ検索は、エージェントが大量のメモリを前管理することなく、きめ細かい履歴情報を検索できるようにするための有望なパラダイムとして最近登場した。 しかし、既存のメモリシステムのための深層探索エージェントは、以前の高次かつ低品質な探索軌跡から学ばなかったため、過去のエラー行動を繰り返している。 この制限に対処するため,メモリ検索システムのためのリフレクティブ・エクスペリエンス・フレームワークであるR^2-Memを提案する。 オフラインの段階では、ルーブリック誘導評価器は歴史的軌跡における低および高品質のステップをスコアし、自己回帰学習器は対応する抽象的な経験を蒸留する。 オンライン推論の間、検索された体験は、繰り返しのミスを回避し、高品質な行動を維持するために、将来の検索行動を導く。 大規模な実験では、R^2-Memは強いベースラインよりも有効性と効率を一貫して改善し、F1スコアを最大22.6%改善し、トークン消費を12.9%削減し、検索繰り返しを20.2%削減した。 これらの結果から, R^2-Mem は自己改善 LLM エージェントに対する RL フリーで低コストなソリューションであることがわかった。

関連論文リスト

• RetroAgent: From Solving to Evolving via Retrospective Dual Intrinsic Feedback [54.39884046754265]
  RetroAgentは、エージェントが複雑なインタラクティブ環境をマスターできるオンラインRLフレームワークである。 実験の結果,RetroAgentはSOTA(State-of-the-art)の性能を達成できた。
  論文  参考訳（メタデータ） (2026-03-09T16:23:33Z)
• LightSearcher: Efficient DeepSearch via Experiential Memory [23.338677838845]
  本稿では,DeepSearchパラダイムの精度と効率を両立させる効率的な強化学習フレームワークを提案する。 4つのマルチホップQAベンチマークの実験は、LightSearcherがSOTAベースラインのReSearchに匹敵する精度を維持していることを示している。
  論文  参考訳（メタデータ） (2025-12-07T04:29:52Z)
• Towards Storage-Efficient Visual Document Retrieval: An Empirical Study on Reducing Patch-Level Embeddings [70.26204343623215]
  ColPali/ColQwen2は各ページを複数のパッチレベルの埋め込みにエンコードし、過剰なメモリ使用率をもたらす。 本研究では,ページごとのパッチ埋め込みを最小性能劣化時に低減する方法について検討する。
  論文  参考訳（メタデータ） (2025-06-05T13:06:01Z)
• How Memory Management Impacts LLM Agents: An Empirical Study of Experience-Following Behavior [65.70584076918679]
  メモリは、大きな言語モデル(LLM)ベースのエージェントにおいて重要なコンポーネントである。 本稿では,メモリ管理の選択がLLMエージェントの行動,特に長期的パフォーマンスに与える影響について検討する。
  論文  参考訳（メタデータ） (2025-05-21T22:35:01Z)
• An Early FIRST Reproduction and Improvements to Single-Token Decoding for Fast Listwise Reranking [50.81324768683995]
  FIRSTは、学習からランクへの目的を統合し、最初の生成されたトークンのみのロジットを活用する新しいアプローチである。 我々は、FIRSTの評価をTRECディープラーニングデータセット(DL19-22)に拡張し、様々な領域でその堅牢性を検証する。 我々の実験は、単一トークンの高速リランクは、ドメイン外リランクの品質を損なうものではないことを確認した。
  論文  参考訳（メタデータ） (2024-11-08T12:08:17Z)

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。