論文の概要: The Model Is Not the Product: A Dual-Pillar Architecture for Local-First Psychological Coaching

• arxiv url: http://arxiv.org/abs/2605.24411v1
• Date: Sat, 23 May 2026 05:49:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.040409
• Title: The Model Is Not the Product: A Dual-Pillar Architecture for Local-First Psychological Coaching
• Title（参考訳）: モデルはプロダクトではない - ローカルファーストの心理的コーチングのためのデュアルピラーアーキテクチャ
• Authors: Alexander Mihalcea,
• Abstract要約: 本報告では,iOS アプリケーションである Psych LM について紹介する。 Psych LMは、動作およびライフコーチングアプリケーション用に設計された、目的に構築された、ローカルファーストのランタイム内で、ローカル、オンデバイス言語モデルを実行する。
• 参考スコア（独自算出の注目度）: 51.56484100374058
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Existing language model applications struggle to meet the demand for emotionally oriented support, primarily due to their inability to maintain deep, persistent context across sessions. This report introduces Psych LM, an iOS application that validates the thesis that, for such applications, the surrounding architecture is paramount. Psych LM runs a local, on-device language model within a purpose-built, local-first runtime designed for behavioral and life-coaching applications. The system achieves the practical effect of a near-infinite context window through an automated, user-inspectable memory corpus that converts conversations into structured memory cards, including facts, goals, and events, and dynamically injects them into the prompt via semantic and vector search. As such, the system can be defined as an active-learning, retrieval-augmented generative, on-device architecture. This architecture delivers four primary contributions: a local-first design where privacy is a core property; a detailed description of the memory corpus for persistent context of key user information; a deterministic orchestration layer that provides a stable behavioral spine independent of the model's internal state; and a benchmark framework focused on evaluating the integrated system's reliability under realistic operating conditions. The R and D process confirms that complex, context-aware interaction can be reliably achieved under the strict constraints of a mobile environment by prioritizing architectural control and resource management over simple model size.
• Abstract（参考訳）: 既存の言語モデルアプリケーションは、主にセッション間の深い永続的なコンテキストを維持することができないため、感情的に指向されたサポートの需要を満たすのに苦労しています。 本報告では,iOS アプリケーションである Psych LM について紹介する。 Psych LMは、動作およびライフコーチングアプリケーション用に設計された、目的に構築された、ローカルファーストのランタイム内で、ローカル、オンデバイス言語モデルを実行する。 このシステムは、会話を事実、目標、イベントを含む構造化されたメモリカードに変換する自動化されたユーザインスペクタブルメモリコーパスを通じて、ほぼ無限のコンテキストウィンドウの実践的効果を達成し、セマンティック検索やベクトル検索を通じて、それらをプロンプトに動的に注入する。 このように、システムはアクティブな学習、検索強化された生成、オンデバイスアーキテクチャとして定義することができる。 このアーキテクチャは、プライバシがコアプロパティであるローカルファースト設計、キーユーザ情報の永続的なコンテキストのためのメモリコーパスの詳細な記述、モデルの内部状態とは独立して安定した振る舞いのスピンを提供する決定論的オーケストレーション層、現実的な運用条件下での統合システムの信頼性を評価することに焦点を当てたベンチマークフレームワークの4つの主要な貢献を提供する。 RとDのプロセスは、単純なモデルサイズよりもアーキテクチャ制御とリソース管理を優先することにより、モバイル環境の厳密な制約の下で、複雑なコンテキスト対応のインタラクションが確実に達成可能であることを確認します。

関連論文リスト

• AMemGym: Interactive Memory Benchmarking for Assistants in Long-Horizon Conversations [61.6579785305668]
  AMemGymは、メモリ駆動型パーソナライゼーションのためのオンライン評価と最適化を可能にする対話型環境である。 我々のフレームワークは、対話エージェントのメモリ能力を向上するためのスケーラブルで診断に富んだ環境を提供する。
  論文  参考訳（メタデータ） (2026-03-02T15:15:11Z)
• The Auton Agentic AI Framework [5.410458076724158]
  人工知能の分野では、ジェネレーティブAIからエージェントAIへの移行が進行中である。 大規模言語モデル(LLM)は構造化されていない出力を生成するが、それらが制御しなければならないバックエンドインフラストラクチャは決定論的でスキーマに適合する入力を必要とする。 本稿では,自律エージェントの作成,作成,管理を行うための原則アーキテクチャであるAuton Agentic AI Frameworkについて述べる。
  論文  参考訳（メタデータ） (2026-02-27T06:42:08Z)
• Architecting AgentOS: From Token-Level Context to Emergent System-Level Intelligence [13.062618208633483]
  本稿では,大規模言語モデルを再定義する包括的概念フレームワークであるAgentOSを提案する。 メモリページング割り込み処理やプロセススケジューリングといった古典的なOS抽象化をLLMネイティブな構造にマッピングすることにより、このレビューは、レジリエンスでスケーラブルで自己進化的な認知環境を設計するための厳密なロードマップを提供する。
  論文  参考訳（メタデータ） (2026-02-24T14:12:21Z)
• The AI Hippocampus: How Far are We From Human Memory? [77.04745635827278]
  インプリシットメモリは、事前訓練されたトランスフォーマーの内部パラメータに埋め込まれた知識を指す。 明示メモリは、動的でクエリ可能な知識表現でモデル出力を増大させるように設計された外部ストレージと検索コンポーネントを含んでいる。 エージェントメモリは、自律エージェント内に永続的、時間的に拡張されたメモリ構造を導入する。
  論文  参考訳（メタデータ） (2026-01-14T03:24:08Z)
• Descriptor-Based Object-Aware Memory Systems: A Comprehensive Review [0.0]
  現代のコンピューティングシステムのセキュリティと効率は、ハイレベルなプログラムセマンティクスを伝播するネイティブアーキテクチャメカニズムが欠如していることによって損なわれている。 本稿では,このセマンティックギャップを埋めるために設計されたアーキテクチャパラダイムを包括的に調査する。 このパラダイムにより、ハードウェアはソフトウェア定義オブジェクトのリッチなセマンティクスを動的に取得し、強制することができる。
  論文  参考訳（メタデータ） (2025-10-31T00:39:27Z)
• The Compressor-Retriever Architecture for Language Model OS [20.56093501980724]
  オペレーティングシステム(OS)のコアコンポーネントとして言語モデルを用いるという概念について検討する。 このようなLM OSを実現する上で重要な課題は、寿命の長いコンテキストを管理し、セッション間のステートフルネスを確保することだ。 本稿では,生涯のコンテキスト管理のために設計されたモデル非依存アーキテクチャであるコンプレッサー・レトリバーを紹介する。
  論文  参考訳（メタデータ） (2024-09-02T23:28:15Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• CELA: Cost-Efficient Language Model Alignment for CTR Prediction [70.65910069412944]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。 最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。 CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
  論文  参考訳（メタデータ） (2024-05-17T07:43:25Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)

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。