論文の概要: Agent Memory: Characterization and System Implications of Stateful Long-Horizon Workloads

• arxiv url: http://arxiv.org/abs/2606.06448v1
• Date: Thu, 04 Jun 2026 17:44:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:45.005536
• Title: Agent Memory: Characterization and System Implications of Stateful Long-Horizon Workloads
• Title（参考訳）: エージェントメモリ:ステートフルな長距離ワークロードの特性とシステム含意
• Authors: Yasmine Omri, Ziyu Gan, Zachary Broveak, Robin Geens, Zexue He, Alex Pentland, Marian Verhelst, Tsachy Weissman, Thierry Tambe,
• Abstract要約: エージェントメモリの初回評価システムについて述べる。 システム指向の分類基準を4つの軸に沿って分類するエージェントメモリシステムを提案する。 第二に、構築、検索、生成にコストをもたらす位相認識型プロファイリングハーネスを構築する。 第3に、2つのベンチマークスイートにまたがる10の代表的なシステムを特徴付け、設計選択が書き込みパスと読み込みパス間でコストをどうシフトするかを明らかにします。
• 参考スコア（独自算出の注目度）: 11.855805323649584
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM agents are increasingly deployed on long-horizon tasks requiring sustained reasoning over extended interaction histories. Realizing this at scale requires agents to persistently store, retrieve, and update their own memory across sessions. A rich ecosystem of agent memory systems has emerged spanning flat retrieval, LLM-mediated extraction, consolidating fact stores, and agentic control flows. Yet, their system-level behavior remains uncharacterized. We present the first systems characterization of agent memory. First, we introduce a system-oriented taxonomy classifying agent memory systems along four axes. Second, we build a phase-aware profiling harness attributing cost to construction, retrieval, and generation. Third, we characterize ten representative systems across two benchmark suites, uncovering how design choices shift cost across the write and read paths. Finally, we derive 10 system recommendations covering construction scheduling, capability floors, amortization via query volume, freshness-latency tradeoffs, and fleet-scale management.
• Abstract（参考訳）: LLMエージェントは、長期にわたる相互作用履歴に対する持続的推論を必要とする長期的タスクにますますデプロイされている。 これを大規模に実現するには、エージェントがセッション間で自身のメモリを永続的に保存、取得、更新する必要がある。 エージェントメモリシステムの豊富なエコシステムは、フラット検索、LCMによる抽出、ファクトストアの統合、エージェント制御フローにまたがっている。 しかし、彼らのシステムレベルの振る舞いは、まだ具体化されていない。 エージェントメモリの初回評価システムについて述べる。 まず,4つの軸に沿ってエージェントメモリを分類するシステム指向の分類法を提案する。 第二に、構築、検索、生成にコストをもたらす位相認識型プロファイリングハーネスを構築する。 第3に、2つのベンチマークスイートにまたがる10の代表的なシステムを特徴付け、設計選択が書き込みパスと読み込みパス間でコストをどうシフトするかを明らかにします。 最後に, 建設計画, 機能床, クエリボリュームによる償却, フレッシュネス・レイテンシ・トレードオフ, およびフリートスケール・マネージメントに関する10のシステムレコメンデーションを導出する。

関連論文リスト

• Exploring Cross-Scenario Generality of Agentic Memory Systems: Diagnostics and a Strong Baseline [39.29817461808327]
  検索問題に対する8つのメモリシステムとエージェントハーネスを再検討する。 自動管理ツールインタフェースを備えたエージェントメモリハーネスであるAutoMEMにおいて、この知見をインスタンス化する。
  論文  参考訳（メタデータ） (2026-06-03T00:42:49Z)
• NeuSymMS: A Hybrid Neuro-Symbolic Memory System for Persistent, Self-Curating LLM Agents [0.0]
  NeuSymMSは、大規模な言語モデル(LLM)エージェントがセッション間でユーザについて学び、記憶し、推論することを可能にする。 システムは、知識を関係データベース管理システムに格納された主観的関係値のトリプルとして表現する。
  論文  参考訳（メタデータ） (2026-05-17T18:48:19Z)
• Memory-Augmented LLM-based Multi-Agent System for Automated Feature Generation on Tabular Data [52.80567461420316]
  メモリ拡張LPMに基づくマルチエージェントシステム(textbfMALMAS)を提案する。 MALMASは生成プロセスを独立した責任を持つエージェントに分解し、ルータエージェントはイテレーション毎にエージェントの適切なサブセットを起動する。 さらに、手続きメモリ、フィードバックメモリ、概念記憶を含むメモリモジュールを統合し、その後の特徴生成を適応的に導く反復的改善を可能にする。
  論文  参考訳（メタデータ） (2026-04-22T07:09:30Z)
• Enhancing Conversational Agents via Task-Oriented Adversarial Memory Adaptation [64.69535903624033]
  本稿では,タスク実行をシミュレートすることで,メモリ構築と更新をタスク目標と整合させるアダクティブメモリ適応機構を提案する。 AMAは、様々な既存のメモリシステムに統合することができ、LongダイアログベンチマークであるLoCoMoの広範な実験により、その効果が示されている。
  論文  参考訳（メタデータ） (2026-01-29T14:42:34Z)
• CAM: A Constructivist View of Agentic Memory for LLM-Based Reading Comprehension [55.29309306566238]
  現在のLarge Language Models (LLM) は、長文文書を解釈する際に圧倒的な情報量に直面している。 この課題は、バニラLSMを自律的な読み出しエージェントに高めることができる凝集性メモリモジュールの必須性を高める。 我々はジャン・ピアジェの構成主義理論(Constructivist Theory)からインスピレーションを得て、エージェントメモリの3つの特性(構造化スキーマ、フレキシブルな同化、動的調節)を表現した。
  論文  参考訳（メタデータ） (2025-10-07T02:16:30Z)
• MemOS: A Memory OS for AI System [116.87568350346537]
  大規模言語モデル(LLM)は、人工知能(AGI)にとって不可欠な基盤となっている。 既存のモデルは、主に静的パラメータと短命なコンテキスト状態に依存しており、ユーザの好みを追跡したり、長い期間にわたって知識を更新する能力を制限する。 MemOSはメモリを管理可能なシステムリソースとして扱うメモリオペレーティングシステムである。
  論文  参考訳（メタデータ） (2025-07-04T17:21:46Z)
• A-MEM: Agentic Memory for LLM Agents [42.50876509391843]
  大規模言語モデル(LLM)エージェントは、歴史的経験を活用するためにメモリシステムを必要とする。 現在のメモリシステムは基本的なストレージと検索を可能にするが、洗練されたメモリ構造は欠如している。 本稿では, LLMエージェントに対して, エージェント方式で動的に記憶を整理できる新しいエージェントメモリシステムを提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:36:14Z)

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。