論文の概要: Why Memory Components Fail: Eight Years of License and Sustainability Events in Open-Source Data Infrastructure

• arxiv url: http://arxiv.org/abs/2606.24896v1
• Date: Fri, 05 Jun 2026 21:28:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-28 23:46:52.324014
• Title: Why Memory Components Fail: Eight Years of License and Sustainability Events in Open-Source Data Infrastructure
• Title（参考訳）: メモリコンポーネントが機能しない理由 - オープンソースデータインフラストラクチャにおけるライセンスと持続可能性イベントの8年間
• Abstract要約: 105のプロダクション関連オープンソースデータインフラストラクチャとAIツーリングプロジェクトの構築されたサンプルでは、38のライセンスとサステナビリティイベントをカタログ化しています。 サンプルの約4分の1(24%)は、少なくとも1つの有害事象を経験しました。 本稿では,設計者がメモリコンポーネントを選択するための6フィールド決定器を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LLM agent memory is now treated as a first-class architectural component in five major surveys published between January and April 2026. None of these surveys treats project governance, capital structure, or license posture as architectural variables. We argue they are. In a constructed sample of 105 production-relevant open-source data-infrastructure and AI-tooling projects, we catalogue 38 license-and-sustainability events between 2018 and May 2026. About a quarter of the sample (24 percent) experienced at least one adverse event. The conditional rates split sharply by structure: 46 percent for single-vendor venture-backed projects, 2.5 percent for foundation-governed projects funded outside the venture cycle. The headline differential -- roughly nineteen-fold -- is invariant to the most contested coding choice in the catalogue; we show the sensitivity table in Section 7. A small subset of foundation-governed projects with venture-backed corporate stewards (n=3) contains one adverse event. The cell is too small for stable estimation, but it points to a mechanism: foundation governance may block unilateral relicensing while leaving distribution decisions to the steward. Annualized incidence within the catalogue rose from 2.7 to 4.2 events per year across the window. Counterfactuals -- PostgreSQL, pgvector, SQLite, Apache Kafka, Caddy -- each show stability arising from a different structural source: distributed copyright, absence of monetisation pressure, foundation governance with non-venture stewardship. We propose a six-field decision instrument for architects choosing memory components: governance, capital structure, license, foundation membership, fork-or-migration availability, and steward concentration.
• Abstract（参考訳）: LLMエージェントメモリは現在、2026年1月から4月にかけて発行された5つの主要な調査において、第一級のアーキテクチャコンポーネントとして扱われている。 これらの調査では、プロジェクトガバナンス、資本構造、あるいはライセンスの姿勢をアーキテクチャ変数として扱いません。 と論じている。 105のプロダクション関連オープンソースデータインフラストラクチャとAIツーリングプロジェクトの構築されたサンプルでは、2018年から2026年5月までの38のライセンスとサステナビリティイベントをカタログ化しています。 サンプルの約4分の1(24%)は、少なくとも1つの有害事象を経験しました。 条件付金利は、単一ベンダーのベンチャー支援プロジェクトの46%、ファンデーション管理プロジェクトの2.5パーセントがベンチャーサイクル以外で資金提供された。 見出し微分(約19倍)はカタログにおいて最も競合する符号化選択に不変であり、セクション7の感度表を示す。 ベンチャー支援の企業スチュワード(n=3)を持つ財団が管理するプロジェクトの小さなサブセットには、悪い出来事が1つ含まれています。 安定的な推定には小さすぎるが、それはメカニズムを示している: 基礎ガバナンスは、配当決定をスチュワードに任せながら一方的なリセンシングをブロックする可能性がある。 カタログ内の年間発生件数は、窓越しに毎年2.7件から4.2件に増加した。 PostgreSQL、pgvector、SQLite、Apache Kafka、Caddyといったカウンターファクトは、それぞれ異なる構造源から生じる安定性を示している。 本稿では,ガバナンス,資本構造,ライセンス,ファンデーションメンバシップ,フォーク・オア・マイグレーションの可用性,スチュワード集中といったメモリコンポーネントを選択するアーキテクトのための6つのフィールド決定手段を提案する。

関連論文リスト

• Budget-Constrained Embodied Perception: Four Resource Walls and a Pre-Registered Evaluation of Access-Structured Perception on Open Models at less than 31B [13.848323590023972]
  身体的マルチモーダルエージェントは、固定された決定単位のトークン予算の下で成長する観察ストリームから答えなければならない。 ASPは、カプセル化された構造化状態、動詞のエピソードインデックス、クエリ条件の予算割当と反復アクセスを組み合わせた、凍結したマルチモーダルモデルのためのトレーニングフリーラッパーである。
  論文  参考訳（メタデータ） (2026-08-24T08:34:57Z)
• From Interpretability to Control: Insights from Six Years of the TrustNLP Workshop [63.00693129203923]
  The Workshop on Trustworthy Natural Language Processingは8つの論文から6つのエディションで41に成長した。 我々は、144の手続き書類から洞察を合成し、確立されたフレームワークに根ざした6つの信頼次元に沿ってそれらを分類する。 分類研究による分析によると、真理は最も成長の早い次元である(2021-2022年、2025-2026年までに論文の37%を占める)。
  論文  参考訳（メタデータ） (2026-08-11T17:30:16Z)
• Capital Markets LLM Reliability Score (CM-LRS): From Plausible to Bankable [0.0]
  本稿では,LCM信頼性スコアであるCM-LRSを紹介し,ワークフロー出力層における出力を評価する。 我々は、公開SEC EDGARの申請書、英国の買収リリース、架空の合成サプリメントに対して、5つのCM-LRS(DCMトランザクション終局抽出、前例検索、発行者プロファイル合成、M&Aトランザクション適合推論、ECMトランザクション終局抽出)を実証する。 まず、フロンティア・クローズソース・モデル・クラスタは4judgeの平均CM-LRS0.22点(Sonnet 4.6 = 4.31, Opus 4.7 = 4.30, GPT-5.5 = 4.09)である。
  論文  参考訳（メタデータ） (2026-07-23T14:10:58Z)
• Inference Economics of Enterprise Coding Agents: A Case Study of Cloud vs. On-Premise LLMs [0.5352699766206807]
  単発モノレポの連続28日間における単発非ランダム化縦断ケーススタディについて検討した。 即時キャッシュ(99.3%のヒット率)がAPIのコストを88.6%削減し、有効な0.57%のトークンが得られた。
  論文  参考訳（メタデータ） (2026-07-13T07:04:49Z)
• Goedel-Architect: Streamlining Formal Theorem Proving with Blueprint Generation and Refinement [69.77146194380488]
  私たちはGoedel-Architectを紹介します。これは、青写真の生成と洗練に焦点を当てたLean 4で証明された公式な定理のためのフレームワークです。 Goedel-ArchitectがMiniF2Fテストで99.2%パス@1、PutnamBenchで75.6%パス@1を達成した。 これは、同等のオープンソースパイプラインよりも500倍低い価格で、オープンソースパイプラインの最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-06-04T17:54:44Z)
• RTI-Bench: A Structured Dataset for Indian Right-to-Information Decision Analysis [0.0]
  本稿では、結果ラベル、除外引用、IRACスタイルの推論コンポーネント、手続き的タイムラインを含むCIC決定の構造化データセットであるRTI-Benchを紹介する。 私たちの知る限りでは、インドにおけるRTI管理上の決定のための構造化データセットとして初めて公開されています。
  論文  参考訳（メタデータ） (2026-05-16T07:02:10Z)
• Orchard: An Open-Source Agentic Modeling Framework [124.68499958175111]
  スケーラブルなエージェントモデリングのためのオープンソースのフレームワークOrchardを紹介します。 Orchard Envは、サンドボックスライフサイクル管理のための再利用可能なプリミティブを提供する軽量環境サービスである。 Orchard Envの上に、3つのエージェントモデリングレシピを構築します。
  論文  参考訳（メタデータ） (2026-05-14T16:35:12Z)
• Fill-Side Non-Retail Trading on Polymarket: An Empirical Study of Behavioral Tiers and Microstructure Signatures Under Quote-Attribution Constraints [0.0]
  PolymarketのオフチェーンCLOBアーキテクチャは、アドレスレベルの属性を永久に利用できない。 経験的窓のフィルサイドの挙動は、6つの特徴ベクトルの下で一様である。 G-QUOTE-LIFEの失敗により、市場と流動性に関する主張は取り下げられた。
  論文  参考訳（メタデータ） (2026-05-12T07:01:35Z)
• Benchmarking Multi-Agent LLM Architectures for Financial Document Processing: A Comparative Study of Orchestration Patterns, Cost-Accuracy Tradeoffs and Production Scaling Strategies [0.0]
  財務文書から構造化情報を抽出するための4つのマルチエージェントオーケストレーションアーキテクチャを比較した。 反射的アーキテクチャは、最高フィールドレベルF1(0.943)を達成するが、シーケンシャルベースラインのコストは2.3倍である。 本稿では, セマンティックキャッシング, モデルルーティング, 適応再試行戦略に関するアブレーション研究を行い, ハイブリッド構成により, 反射型アーキテクチャの精度の89%を1.15倍のコストで回収できることを実証した。
  論文  参考訳（メタデータ） (2026-03-24T00:02:47Z)
• FIPO: Eliciting Deep Reasoning with Future-KL Influenced Policy Optimization [84.58281577727566]
  本稿では,大規模言語モデルにおける推論ボトルネックを克服する強化学習アルゴリズムであるFuture-KL Influenced Policy Optimization (FIPO)を提案する。 FIPOは、割引先KLの分岐をポリシー更新に組み込むことでこの問題に対処し、その後の軌道行動への影響に基づいてトークンを再重み付けする密集した有利な定式化を作成する。 Qwen2.5-32Bで評価され、FIPOは平均チェーン長を約4,000から10,000以上のトークンに拡張し、AIME 2024 Pass@1の精度を50.0%から58.0%に向上させた。
  論文  参考訳（メタデータ） (2026-03-20T10:24:50Z)
• Interpretable-by-Design Transformers via Architectural Stream Independence [1.2891210250935148]
  アーキテクチャの制約がアーキテクチャストリームの独立性を通じて設計による解釈可能性を高めることができるかどうかを検討する。 最終層全体を通して解釈可能なシンボリックヘッドを示すLate Fusion Architecture (LFA) を通じて、この原則を検証する。 我々は,この効果を,それぞれ$PDS_max$ = 0.276,0.058のToken-Position Dependence Score (PDS)を導入して定量化する。
  論文  参考訳（メタデータ） (2026-03-08T05:44:18Z)
• From Memorization to Creativity: LLM as a Designer of Novel Neural-Architectures [48.83701310501069]
  大規模言語モデル(LLM)は、プログラム合成において優れているが、ニューラルネットワーク設計(信頼性、性能、構造的ノベルティ)を自律的にナビゲートする能力は、未調査のままである。 コード指向LLMをクローズドループ合成フレームワークに配置し、22の教師付き微調整サイクルの進化を解析することによって、この問題に対処する。
  論文  参考訳（メタデータ） (2026-01-06T13:20:28Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Beyond Prompt Engineering: Neuro-Symbolic-Causal Architecture for Robust Multi-Objective AI Agents [0.0]
  大規模な言語モデルは、自律的な意思決定エージェントとして有望であるが、高い領域への展開はリスクを伴い続けている。 本稿では,LLMストラテジスト,公式なシンボル制約エンジン,因果推論モジュールを統合した,ニューロシンボリック・因果的アーキテクチャであるChimeraを紹介する。
  論文  参考訳（メタデータ） (2025-10-27T15:25:35Z)
• Deconstructing Self-Supervised Monocular Reconstruction: The Design Decisions that Matter [63.5550818034739]
  本稿では,自己教師付き単分子深度推定への最先端の貢献を評価するための枠組みを提案する。 事前トレーニング、バックボーン、アーキテクチャ設計の選択、損失関数が含まれる。 我々は16の最先端コントリビューションを再実装し、検証し、再評価し、新しいデータセットを導入します。
  論文  参考訳（メタデータ） (2022-08-02T14:38:53Z)

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。