論文の概要: PersonaTree: Structured Lifecycle Memory for Person Understanding in LLM Agents

• arxiv url: http://arxiv.org/abs/2606.04780v1
• Date: Wed, 03 Jun 2026 12:02:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.732899
• Title: PersonaTree: Structured Lifecycle Memory for Person Understanding in LLM Agents
• Title（参考訳）: PersonaTree: LLMエージェントで人を理解するための構造化ライフサイクルメモリ
• Authors: Yubo Hou, Jingwei Song, Hongbo Zhang, Zhisheng Chen, Bang Xiao, Tao Wan, Zengchang Qin,
• Abstract要約: 既存のエージェントメモリ手法では情報保持と検索が重視されるが、蓄積された相互作用の証拠がどのように人的理解に抽象化されるかは限定的に説明できる。 本稿では,この視点をエビデンスからクレームへの明確なサポートパスを備えた3段階のペルソナツリーとして実現した,構造化ライフサイクルメモリフレームワークであるPersonaTreeを紹介する。
• 参考スコア（独自算出の注目度）: 8.286523530643981
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Persistent LLM agents require memory representations that make the formation of person understanding explicit across long term interaction. Existing agent memory methods emphasize information retention and retrieval, yet give limited account of how accumulated interaction evidence is abstracted into person understanding. We view this process as schema formation, where situated evidence is abstracted into reusable patterns and stable person level claims. We introduce PersonaTree, a structured lifecycle memory framework that realizes this view as a three level persona tree with explicit support paths from evidence to claims. PersonaTree maintains the tree through conservative writing, confidence guided consolidation, and query conditioned path retrieval, returning only the evidence depth required by each query. Across six person understanding and persistent memory benchmarks with three answer backbones, PersonaTree ranks first in 12 of 18 compact scores and reaches the top two in 16 settings. Ablations show that hierarchy improves abstract person understanding on KnowMe, while support path retrieval improves RealPref alignment under a comparable context budget.
• Abstract（参考訳）: 永続的LLMエージェントは、長期的相互作用を通じて人の理解を明確化するメモリ表現を必要とする。 既存のエージェントメモリ手法では情報保持と検索が重視されるが、蓄積された相互作用の証拠がどのように人的理解に抽象化されるかは限定的に説明できる。 このプロセスは、位置証拠を再利用可能なパターンと安定した人物レベルのクレームに抽象化するスキーマ形成だと考えています。 本稿では,この視点をエビデンスからクレームへの明確なサポートパスを備えた3段階のペルソナツリーとして実現した,構造化ライフサイクルメモリフレームワークであるPersonaTreeを紹介する。 PersonaTreeは、保守的な書き込み、信頼性指導による統合、クエリ条件付きパス検索を通じてツリーを維持し、クエリ毎に必要となるエビデンスのみを返す。 回答バックボーンが3つある6人の中で、PersonaTreeは18のコンパクトスコアのうち12位にランクインし、16のセッティングで上位2位にランクインした。 アブレーションは、階層構造がKnowMeの抽象的人物理解を改善する一方で、サポートパス検索は、同等のコンテキスト予算の下でRealPrefアライメントを改善することを示している。

関連論文リスト

• From Facts to Insights: A Persona-Driven Dual Memory Framework and Dataset for Role-Playing Agents [50.66268133366637]
  現在のシステムはペルソナに依存しない要約に依存しており、ペルソナ固有の解釈なしで事実を記録する。 RoleMemoは4つの推論タスクを備えたデータセットで、実際の断片をペルソナを通して解釈して正しい回答を得る必要がある。 本稿では,記憶を2つのストリームに分解するDualMemを提案する。
  論文  参考訳（メタデータ） (2026-05-25T10:48:24Z)
• MemEye: A Visual-Centric Evaluation Framework for Multimodal Agent Memory [80.97855900579512]
  既存の評価では、エージェントが後続の推論に必要な視覚的証拠を保存するかどうかを検査することはめったにない。 メモリ性能を2次元から評価するフレームワークであるMemEyeを紹介する。 本フレームワークでは,8つのライフシナリオタスクにまたがる新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-05-14T17:37:52Z)
• Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval [59.295767860331004]
  RF-Memは、親しみやすい不確実性誘導デュアルパスメモリレトリバーである。 それは、人間のようなデュアルプロセス認識をレトリバーに埋め込む。 一定の予算とレイテンシの制約の下で、ワンショット検索とフルコンテキスト推論を一貫して上回る。
  論文  参考訳（メタデータ） (2026-03-10T06:31:44Z)
• Inside Out: Evolving User-Centric Core Memory Trees for Long-Term Personalized Dialogue Systems [41.72224734496617]
  Inside Outは、グローバルにメンテナンスされているPersonaTreeを長期ユーザープロファイリングのキャリアとして利用するフレームワークである。 我々は、プロセスベースの報酬で強化学習を通じて軽量なMemListenerをトレーニングし、構造化された、実行可能で、解釈可能なADD、UDDATE、DELETE、NO_OP操作を生成する。 実験により、ペルソナTreeは、コンテキストノイズの抑制とペルソナの一貫性維持において、フルテキスト結合と様々なパーソナライズドメモリシステムより優れていることが示された。
  論文  参考訳（メタデータ） (2026-01-08T17:59:11Z)
• Memory Matters More: Event-Centric Memory as a Logic Map for Agent Searching and Reasoning [55.251697395358285]
  大規模言語モデル(LLM)は、環境を推論し、計画し、相互作用するインテリジェントエージェントとして、ますます多くデプロイされている。 長期のシナリオに効果的にスケールするには、そのようなエージェントの重要な機能は、過去の経験を保持し、整理し、取り出すことができるメモリメカニズムである。 イベント理論にインスパイアされたイベント中心のメモリフレームワークであるCompassMemを提案する。
  論文  参考訳（メタデータ） (2026-01-08T08:44:07Z)
• TreeRare: Syntax Tree-Guided Retrieval and Reasoning for Knowledge-Intensive Question Answering [10.597526246308938]
  反復的かつ適応的な検索は、複雑で知識集約的な質問を解決するための有望なアプローチであることが示されている。 本研究では,構文木を利用した質問応答のための情報検索と推論のためのフレームワークであるTreeRareを提案する。 TreeRareは、既存の最先端メソッドよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2025-05-31T01:07:50Z)
• Beyond Chunking: Discourse-Aware Hierarchical Retrieval for Long Document Question Answering [51.7493726399073]
  本稿では,長文質問応答を改善するための対話型階層型フレームワークを提案する。 このフレームワークには3つの重要な革新がある: 長文の専門的な談話解析、LLMに基づく談話関係ノードの拡張、構造誘導階層検索である。
  論文  参考訳（メタデータ） (2025-05-26T14:45:12Z)
• ReTreever: Tree-based Coarse-to-Fine Representations for Retrieval [64.44265315244579]
  そこで本研究では,様々なレベルで参照文書を整理し,表現するためのツリーベース手法を提案する。 我々の手法はReTreeverと呼ばれ、クエリと参照ドキュメントが同様のツリーブランチに割り当てられるように、バイナリツリーの内部ノード毎のルーティング関数を共同で学習する。 我々の評価では、ReTreeverは一般的に完全な表現精度を保っている。
  論文  参考訳（メタデータ） (2025-02-11T21:35:13Z)
• From Isolated Conversations to Hierarchical Schemas: Dynamic Tree Memory Representation for LLMs [9.822315423251395]
  動的木構造メモリ表現を活用するアルゴリズムであるMemTreeを導入し、情報の組織化、検索、統合を最適化する。 我々のアルゴリズムは、新しい情報や既存の情報のセマンティック埋め込みを比較して、このメモリ構造を動的に適応させ、モデルのコンテキスト認識を強化する。
  論文  参考訳（メタデータ） (2024-10-17T21:47:11Z)

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。