論文の概要: MemPro: Agentic Memory Systems as Evolvable Programs
- arxiv url: http://arxiv.org/abs/2606.00619v1
- Date: Sat, 30 May 2026 08:47:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:28.560072
- Title: MemPro: Agentic Memory Systems as Evolvable Programs
- Title（参考訳）: MemPro: 進化可能なプログラムとしてのエージェントメモリシステム
- Abstract要約: 長期の自律エージェントは、記憶システムに履歴情報を保持し、進化する状態を追跡し、関連する知識を有限のコンテキストウインドウを超えて再利用することを要求する。
既存のエージェントメモリシステムは、通常、メモリ構築検索パイプライン(MCR)に従うが、配置後に周囲のパイプラインを固定しながら、主にメモリバンクに適応することが多い。
本稿では,MCRパイプライン全体をメモリバンクやプロンプトテキストのみに適応させるのではなく,進化可能なプログラムとして扱うシステムレベルの進化フレームワークであるMemProを提案する。
- 参考スコア（独自算出の注目度）: 26.76706603895889
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Long-horizon autonomous agents require memory systems to retain historical information, track evolving states, and reuse relevant knowledge beyond finite context windows. Existing agentic memory systems typically follow a memory construction-retrieval (MCR) pipeline, but often adapt mainly the memory bank while keeping the surrounding pipeline fixed after deployment. This fixed-pipeline design struggles to handle heterogeneous task-specific failure modes and can become misaligned with memory banks that evolve in scale and structure over time. To address these limitations, we propose MemPro, a system-level evolution framework that treats the entire MCR pipeline as an evolvable program rather than adapting only the memory bank or prompt text. MemPro maintains a version tree of runnable memory-system implementations, where an Evolving Agent iteratively selects promising versions, diagnoses recurring failures, and creates improved child versions through failure-mode-guided edit-debug refinement. Experiments on LongMemEval, LoCoMo, HotpotQA, and NarrativeQA show that MemPro consistently outperforms strong static and prompt-level evolving baselines within a few iterations, continues to improve with evolution, and achieves a favorable performance-cost trade-off. Code is available at https://github.com/wanghai673/MemPro.
- Abstract（参考訳）: 長期の自律エージェントは、記憶システムに履歴情報を保持し、進化する状態を追跡し、関連する知識を有限のコンテキストウインドウを超えて再利用することを要求する。
既存のエージェントメモリシステムは、通常、メモリ構築検索パイプライン(MCR)に従うが、配置後に周囲のパイプラインを固定しながら、主にメモリバンクに適応することが多い。
この固定パイプライン設計は、不均一なタスク固有の障害モードを扱うのに苦労し、時間とともにスケールと構造が進化するメモリバンクと不一致になる可能性がある。
これらの制限に対処するため,メモリバンクやプロンプトテキストのみを適応させるのではなく,MCRパイプライン全体を進化可能なプログラムとして扱うシステムレベルの進化フレームワークであるMemProを提案する。
MemProは実行可能メモリシステム実装のバージョンツリーを維持しており、Evolving Agentが有望なバージョンを反復的に選択し、繰り返し失敗を診断し、エラーモードの編集-デバッグ修正を通じて改善された子バージョンを生成する。
LongMemEval、LoCoMo、HotpotQA、NarrativeQAの実験では、MemProは数回のイテレーションで強い静的、即時的な進化ベースラインを一貫して上回り、進化とともに改善され、優れたパフォーマンスとコストのトレードオフを実現している。
コードはhttps://github.com/wanghai673/MemProで入手できる。
関連論文リスト
- Memory as a Controlled Process: Learned Adaptive Memory Management for LLM Agents [72.3752981234916]
大きな言語モデル(LLM)エージェントは、タスク間の経験を蓄積するために、外部メモリシステムに依存している。
メモリ操作をマルコフ決定プロセスとしてモデル化するフレームワークである制御プロセス(MemCon)としてメモリを提示する。
MemConは、複数のメモリベースラインのタスク成功率を最大15.2ポイント上回り、トークン消費量を5-20%削減している。
論文 参考訳（メタデータ） (2026-07-15T08:32:40Z) - Rethinking Memory as Continuously Evolving Connectivity [63.58181883607843]
既存のメモリ拡張LDMエージェントは、メモリを事前定義された表現と固定された検索パイプラインを備えた静的リポジトリとして扱う。
メモリをヘテロジニアスなグラフとしてモデル化し,そのトポロジを3段階にわたって段階的に洗練する,コネクティビティ進化型メモリフレームワークであるFluxMemを提案する。
LoCoMo、Mind2Web、GAIAなど、根本的に異なる3つのベンチマークにおいて、FluxMemは一貫した最先端のパフォーマンスを実現し、複雑なエージェント環境において強力な適応と一般化を示す。
論文 参考訳（メタデータ） (2026-05-27T17:35:34Z) - MemTrace: Tracing and Attributing Errors in Large Language Model Memory Systems [24.22940060094778]
LLMメモリシステムにおける誤り追跡と帰属の新たな問題について検討する。
本稿では,メモリパイプラインを実行可能なメモリ進化グラフに変換する新しいフレームワークを提案する。
次に、Long-Context、RAG、Mem0、EverMemOSといったメモリシステムから収集されたベンチマークであるMemTraceBenchを構築します。
論文 参考訳（メタデータ） (2026-05-27T16:53:53Z) - MemGym: a Long-Horizon Memory Environment for LLM Agents [69.79226770543049]
本稿では,エージェントメモリのベンチマークであるMemGymを紹介する。
MemGymは、メモリパフォーマンスを推論、検索、ツール使用能力から切り離すメモリアイソレーションスコアを報告している。
MEMGYM-CODEQAとMEMGYM-DRの合成パイプラインは、長さ制御可能であり、各ステージでアブレーションを検証可能であり、下流のシナリオと密に整合している。
論文 参考訳（メタデータ） (2026-05-20T07:25:33Z) - EvoMemBench: Benchmarking Agent Memory from a Self-Evolving Perspective [21.66000179149483]
EvoMemBenchは、メモリスコープとメモリ内容の2つの軸に沿って編成された統一ベンチマークである。
本稿では,15個の代表記憶法と強い長文ベースラインを標準プロトコルで比較する。
結果は、現在のメモリシステムは、まだ一般的な解決策には程遠いことを示している。
論文 参考訳（メタデータ） (2026-05-18T13:54:38Z) - MemForest: An Efficient Agent Memory System with Hierarchical Temporal Indexing [33.94614583313314]
本稿では,エージェントメモリを書き込み効率のよい時間的データ管理問題として再構成するメモリフレームワークであるMemForestを紹介する。
MemForestは、並列チャンク抽出によってシーケンシャルなボトルネックを破り、メモリ構成を並列で独立した操作に分離する。
We evaluate MemForest on two long-context memory benchmarks, LongMemEval-S and LoCoMo。
論文 参考訳（メタデータ） (2026-05-16T13:11:47Z) - EvolveMem:Self-Evolving Memory Architecture via AutoResearch for LLM Agents [80.59925936278162]
本稿では,自己進化型メモリアーキテクチャであるEvolveMemについて述べる。
このクローズループの自己進化はAutoResearchプロセスを実現している。システムは自力で独自のアーキテクチャ上で反復的な研究サイクルを実行し、手動構成のチューニングを置き換える。
論文 参考訳（メタデータ） (2026-05-13T17:12:44Z) - MemEvoBench: Benchmarking Memory MisEvolution in LLM Agents [78.95081012334116]
永続メモリを持つ大規模言語モデル(LLM)は、相互作用の継続性とパーソナライゼーションを高めるが、新たな安全性リスクをもたらす。
汚染または偏りのある記憶蓄積は、異常な作用を引き起こす可能性がある。
MemeEvoBenchは、LLMエージェントのメモリ安全性を評価する最初のベンチマークである。
論文 参考訳（メタデータ） (2026-04-17T07:29:52Z) - MemMA: Coordinating the Memory Cycle through Multi-Agent Reasoning and In-Situ Self-Evolution [52.29303869050117]
メモリ拡張LDMエージェントは、長期の相互作用をサポートするために外部メモリバンクを保持する。
MemMAはプラグアンドプレイのマルチエージェントフレームワークで、前方と後方の両方の経路に沿ってメモリサイクルを調整する。
論文 参考訳（メタデータ） (2026-03-19T10:15:59Z) - EverMemOS: A Self-Organizing Memory Operating System for Structured Long-Horizon Reasoning [42.339841548168565]
大きな言語モデル(LLM)は、長期の対話エージェントとしてますますデプロイされているが、その限られたコンテキストウィンドウは、拡張された相互作用よりもコヒーレントな振舞いを維持するのが困難である。
本稿では,EverMemOSについて紹介する。EverMemOSは,計算メモリにエミュレートされたライフサイクルを実装した自己組織型メモリオペレーティングシステムである。
EverMemOSは、メモリ拡張推論タスクで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-01-05T14:39:43Z) - Agentic Memory: Learning Unified Long-Term and Short-Term Memory Management for Large Language Model Agents [57.38404718635204]
大規模言語モデル (LLM) エージェントは、有限コンテキストウィンドウによる長距離推論において基本的な制限に直面している。
既存のメソッドは通常、長期記憶(LTM)と短期記憶(STM)を独立したコンポーネントとして扱う。
本稿では,エージェントのポリシーに LTM と STM 管理を直接統合する統合フレームワークである Agentic Memory (AgeMem) を提案する。
論文 参考訳（メタデータ） (2026-01-05T08:24:16Z)
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。