論文の概要: memorywire: A Vendor-Neutral Wire Format for Agent Memory Operations
- arxiv url: http://arxiv.org/abs/2606.01138v2
- Date: Wed, 03 Jun 2026 07:59:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 17:40:41.591044
- Title: memorywire: A Vendor-Neutral Wire Format for Agent Memory Operations
- Title（参考訳）: メモリワイヤ:エージェントメモリ操作のためのベンダーニュートラルワイヤフォーマット
- Authors: Thamilvendhan Munirathinam,
- Abstract要約: 長期的なストレージに入る前に、人間がレビューを書くことができるフレームワークであるMemorywireを紹介します。
5つのバックエンドコンポーネントによるオープンソースリファレンス実装について説明する。
16-scenario cross-adapter conformance suiteは、80細胞中68細胞を無故障で通過する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agent-memory frameworks -- mem0, Letta/MemGPT, Cognee, Zep/Graphiti, MemoryOS, MemTensor -- each ship their own SDK, storage layout, and operational vocabulary. There is no shared wire format: every integration is bespoke, every migration rebuilds memory from scratch, and no framework ships a governance surface that lets a human review writes before they enter long-term storage. We present memorywire, a JSON-Schema 2020-12 wire format for five memory operations (remember, recall, forget, merge, expire) over four memory types (semantic, episodic, procedural, emotional), with a MemoryStore interface, a fan-out router, and an optional HITL governance channel. We describe an open-source reference implementation with five backend adapters (sqlite-vec, mem0, Letta, Cognee, pgvector); a microbenchmark on a 100-fact / 50-query labelled corpus (42 with non-empty gold ids + 8 no-match probes) achieving recall@5 = 1.000 on the 42 gold-id queries with ingest p50 = 37.8 ms and recall p50 = 40.6 ms; an adversarial-fusion experiment showing Reciprocal Rank Fusion holds recall@5 = 1.000 across a 1-of-N rank-0 injection sweep (K in {0, 5, ..., 50}) where max fusion collapses to 0.500 with 80% leak at K >= 5; and a 16-scenario cross-adapter conformance suite passing 68 of 80 cells with zero failures. The contribution is not a new algorithm; it is a packaging of established components (RRF, FSMs, STM/LTM consolidation, diff-and-approve workflows) into a venue-neutral protocol with an empirically validated reference, positioned to compose with the Model Context Protocol rather than compete with it.
- Abstract（参考訳）: エージェントメモリフレームワーク -- mem0, Letta/MemGPT, Cognee, Zep/Graphiti, MemoryOS, MemTensor -- はそれぞれ独自のSDK,ストレージレイアウト,運用語彙を出荷している。
共有ワイヤフォーマットは存在せず、すべての統合が起動され、すべての移行がスクラッチからメモリを再構築し、長期的なストレージに入る前に人間がレビューできるガバナンスサーフェスを出荷するフレームワークは存在しない。
私たちは、メモリタイプ(セマンティック、エピソディック、プロシージャ、感情)を5つのメモリ操作(記憶、リコール、忘れ、マージ、期限)用にJSON-Schema 2020-12ワイヤフォーマットで、MemoryStoreインターフェース、ファンアウトルータ、オプションのHITLガバナンスチャネルを備えています。
5つのバックエンドアダプタ (sqlite-vec, mem0, Letta, Cognee, pgvector), 100-fact / 50-queryラベル付きコーパス上のマイクロベンチマーク (42 with non-empty Gold id + 8 no-match probes) によるオープンソースリファレンス実装について説明する。
これは、確立されたコンポーネント(RRF、FSM、STM/LTMの統合、diff-and-approveワークフロー)を、実証的に検証された参照を持つ場所中立のプロトコルにパッケージ化したものである。
関連論文リスト
- Entity-Collision: A Stratified Protocol for Attributing Retrieval Lift in Agent Memory [0.0]
エンドツーエンドのエージェント-メモリベンチマークでは、レトリバー毎に単一の hit@k が報告されている。
本稿では,BM25フロアを構造的に固定するシステムに依存しないプロトコルであるエンティティ・コリジョンを提案する。
論文 参考訳（メタデータ） (2026-05-28T09:02:48Z) - 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) - CommitDistill: A Lightweight Knowledge-Centric Memory Layer for Software Repositories [0.5872014229110213]
ソフトウェアは、コミットメッセージ、プルリクエストの議論、スレッド発行に大量の構造化されていない知識を蓄積します。
エージェントのタイプメモリアーキテクチャ(MemGPT、生成エージェント、YangらのPlugMemモジュール)に関する最近の研究は、エージェントメモリは生の対話テキストではなく、蒸留された型付き知識であるべきだと主張している。
私たちは、決定論的、依存性なし、ローカルのみ、埋め込みなしという制約のある体制の下で、ソフトウェアリポジトリ自身のgit履歴にそのスタンスを適用します。
論文 参考訳（メタデータ） (2026-05-18T12:14:28Z) - MemQ: Integrating Q-Learning into Self-Evolving Memory Agents over Provenance DAGs [47.66730296440261]
我々は,新たなメモリが生成されるたびに記憶が取得されたことを記録した証明DAGを通じて,クレジットを後方に伝播するMemQを紹介した。
6つのベンチマークで、MemQは、一般化評価とランタイム学習の6つすべてで最高成功率を達成した。
さらに、$と$がEC-MDP構造とどのように相互作用するかを研究し、パラメータ選択と将来の研究の原則的なガイダンスを提供する。
論文 参考訳（メタデータ） (2026-05-08T18:30:24Z) - MemRouter: Memory-as-Embedding Routing for Long-Term Conversational Agents [20.000127976303606]
我々は、下流の応答バックボーンからメモリの入力を分離する書き込み側メモリルータであるMemを紹介する。
Memは、12Mパラメータのみをトレーニングしながら、軽量な分類ヘッドを使用してターンを格納すべきかどうかを予測する。
論文 参考訳（メタデータ） (2026-05-01T02:33:50Z) - ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems [51.56484100374058]
LongMemEval-500では、ZenBrainは長いコンテキストのオラクルのバイナリ・ジャッジの精度を4.5pp以内と一致させる。
ZenBrainは7層の神経科学にインスパイアされたメモリアーキテクチャである。
論文 参考訳（メタデータ） (2026-04-26T20:39:19Z) - EngramaBench: Evaluating Long-Term Conversational Memory with Structured Graph Retrieval [0.0]
EngramaBenchは、5人のペルソナ、100のマルチセッション会話、100のクエリを中心に構築された長期的な会話メモリのベンチマークである。
我々は,グラフ構造化メモリシステムであるEngramaを,オープンソースのベクトル検索メモリシステムであるMem0とGPT-4oのフルコンテキストプロンプトに対して評価した。
論文 参考訳（メタデータ） (2026-04-23T02:51:42Z) - Memory Transfer Learning: How Memories are Transferred Across Domains in Coding Agents [56.078070829341534]
メモリベースの自己進化は、コーディングエージェントにとって有望なパラダイムとして登場した。
ヘテロジニアスドメインからの統一メモリプールを利用して、textbfMemory Transfer Learning (MTL) について検討する。
論文 参考訳（メタデータ） (2026-04-15T15:50:29Z) - MemX: A Local-First Long-Term Memory System for AI Assistants [0.0]
我々は、安定性指向の検索設計を備えたAIのためのローカルファーストの長期記憶システムであるMemXを提案する。
MemXは、libとOpenAI互換の組み込みAPI上にRustで実装されており、会話エージェントに対して永続的で検索可能な、説明可能なメモリを提供する。
論文 参考訳（メタデータ） (2026-03-17T06:39:54Z) - RMM: Reinforced Memory Management for Class-Incremental Learning [102.20140790771265]
クラスインクリメンタルラーニング(CIL)は、厳格な記憶予算の下で分類器を訓練する。
既存のメソッドは静的およびアドホックな戦略を使ってメモリ割り当てを行うが、これはしばしば準最適である。
本稿では,段階的な段階と異なるオブジェクトクラスに最適化された動的メモリ管理戦略を提案する。
論文 参考訳（メタデータ） (2023-01-14T00:07:47Z)
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。