論文の概要: HyphaeDB: A Living Knowledge Topology for Agent-First Memory

• arxiv url: http://arxiv.org/abs/2606.28781v1
• Date: Sat, 27 Jun 2026 07:15:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.687913
• Title: HyphaeDB: A Living Knowledge Topology for Agent-First Memory
• Title（参考訳）: HyphaeDB: エージェントファーストメモリのための生きた知識トポロジー
• Abstract要約: マルチエージェントAIシステムのためのエージェントネイティブメモリインフラストラクチャであるHyphaeDBを紹介する。 HyphaeDBでは、エージェントは永続的な位置を持つベクトル空間のノードであり、知識はゴシッププロトコルを介して伝播する。 本稿では,3つのプリミティブ上に構築されたアーキテクチャ,多層抽象階層,理論的解析について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Every existing vector database and agent memory framework treats memory as passive storage that agents query explicitly. No system propagates knowledge between agents through the memory layer itself. We introduce HyphaeDB, an agent-native memory infrastructure that reinterprets the Hierarchical Navigable Small World (HNSW) graph topology the data structure at the core of every modern vector database not as a search optimization, but as a communication fabric for multi-agent AI systems. In HyphaeDB, agents are nodes in the vector space with persistent positions, knowledge propagates via a gossip protocol through the graph's neighbor structure with energy-based attenuation, and emergent behaviors contradiction detection, pattern crystallization, and consensus formation arise from the combination of topology, propagation dynamics, and local interaction rules. We present the architecture built on three primitives (knowledge nodes, topology edges, and memory diffs), a multi-layer abstraction hierarchy with promotion via emergent consensus, and theoretical analysis grounding the system in small-world network theory, epidemic broadcast protocols, and swarm intelligence. We provide a reference implementation on PostgreSQL with pgvector and describe a concrete deployment in Swarm-Driven Development, a multi-agent software engineering methodology. HyphaeDB represents, to our knowledge, the first system to combine navigable small world topology with gossip-based knowledge propagation for multi-agent coordination.
• Abstract（参考訳）: 既存のベクトルデータベースとエージェントメモリフレームワークは、メモリをエージェントが明示的にクエリするパッシブストレージとして扱う。 メモリ層自体を通じてエージェント間の知識を伝達するシステムは存在しない。 我々はHyphaeDBを紹介した。HyphaeDBは階層的ナビゲートブル・スモールワールド(HNSW)グラフトポロジーを再解釈するエージェントネイティブメモリインフラストラクチャであり、検索最適化ではなく、マルチエージェントAIシステムのための通信ファブリックとして、現代のベクトルデータベースのコアにあるデータ構造である。 HyphaeDBでは、エージェントは、永続的な位置を持つベクトル空間のノードであり、知識は、グラフの隣の構造をエネルギーベースの減衰で伝達し、創発的行動の矛盾検出、パターンの結晶化、およびコンセンサス生成は、トポロジー、伝播ダイナミクス、局所的相互作用規則の組み合わせから生じる。 本稿では,3つのプリミティブ(知識ノード,トポロジエッジ,メモリ差分)上に構築されたアーキテクチャ,創発的コンセンサスによる促進を伴う多層抽象階層,および小世界ネットワーク理論,流行放送プロトコル,スワムインテリジェンスに基づく理論的解析について述べる。 pgvectorを使ったPostgreSQLのリファレンス実装を提供し、マルチエージェントソフトウェアエンジニアリング方法論であるSwarm-Driven Developmentにおける具体的なデプロイメントについて説明する。 HyphaeDBは、私たちの知る限り、ナビゲーション可能な小さな世界トポロジと、マルチエージェント協調のためのゴシップベースの知識伝播を組み合わせた最初のシステムである。

関連論文リスト

• A Technical Taxonomy of LLM Agent Communication Protocols [60.76747983053368]
  本研究では,大規模言語モデル(LLM)エージェント通信プロトコルの分類と解析を行う技術的分類法を開発する。 このフレームワークはプロトコルの選択をガイドし、プライバシーやポリシー執行といったオープンな研究ギャップを強調する。
  論文  参考訳（メタデータ） (2026-06-17T14:45:20Z)
• 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)
• Bridging the Cognitive Gap: A Unified Memory Paradigm for 6G Agentic AI-RAN [62.429669462281645]
  6Gは、知覚、推論、進化が可能なエージェントAIを受け入れるために、従来の自動化を超越しなければならない。 この記事では、インターフェースバウンドからメモリ中心アーキテクチャへのシフトを想定します。 メッセージパッシングをゼロコピーオブザーバビリティに置き換えることで、AIエージェントがリアルタイムの応答性と長時間のコンテキストの間のギャップを埋めることができます。
  論文  参考訳（メタデータ） (2026-05-11T06:04:10Z)
• The AI Hippocampus: How Far are We From Human Memory? [77.04745635827278]
  インプリシットメモリは、事前訓練されたトランスフォーマーの内部パラメータに埋め込まれた知識を指す。 明示メモリは、動的でクエリ可能な知識表現でモデル出力を増大させるように設計された外部ストレージと検索コンポーネントを含んでいる。 エージェントメモリは、自律エージェント内に永続的、時間的に拡張されたメモリ構造を導入する。
  論文  参考訳（メタデータ） (2026-01-14T03:24:08Z)
• Topology Matters: Measuring Memory Leakage in Multi-Agent LLMs [26.288357188171265]
  MAMA(Multi-Agent Memory Attack)は、ネットワーク構造がどのように漏洩を形作るかを測定するフレームワークである。 我々は,攻撃剤出力から回収した地絡PIIの割合として漏洩を定量化する。 結果は、アーキテクチャ上の選択から測定可能なプライバシリスクへの最初の体系的なマッピングを提供する。
  論文  参考訳（メタデータ） (2025-12-04T11:00:49Z)
• G-Memory: Tracing Hierarchical Memory for Multi-Agent Systems [44.844636264484905]
  大規模言語モデル (LLM) を利用したマルチエージェントシステム (MAS) は、単一のLLMエージェントよりもはるかに高い認知と実行能力を示している。 組織記憶理論に触発されたMASのための階層型エージェントメモリシステムG-Memoryを紹介する。 Gメモリは、インボディードアクションの成功率と知識QAの精度を、それぞれ20.89%$と10.12%$で改善する。
  論文  参考訳（メタデータ） (2025-06-09T03:43:46Z)
• HM-RAG: Hierarchical Multi-Agent Multimodal Retrieval Augmented Generation [11.53083922927901]
  HM-RAGは階層型マルチエージェントマルチモーダルRAGフレームワークである。 構造化、非構造化、グラフベースのデータ間での動的知識合成のための協調知能の先駆者である。
  論文  参考訳（メタデータ） (2025-04-13T06:55:33Z)
• Decentralizing AI Memory: SHIMI, a Semantic Hierarchical Memory Index for Scalable Agent Reasoning [0.0]
  本稿では,知識を動的に構造化された概念階層としてモデル化する統一アーキテクチャである志美(Semantic Hierarchical Memory Index)を提案する。 ShiMIは分散化されたエコシステムのために設計されており、エージェントはローカルメモリツリーを保持し、ネットワーク間で非同期に同期する。
  論文  参考訳（メタデータ） (2025-04-08T15:31:00Z)
• Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [69.01029651113386]
  Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。 コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。 Embodied-RAGがRAGをロボット領域に効果的にブリッジし、250以上の説明とナビゲーションクエリをうまく処理できることを実証する。
  論文  参考訳（メタデータ） (2024-09-26T21:44:11Z)
• Topology-aware Embedding Memory for Continual Learning on Expanding Networks [63.35819388164267]
  本稿では,メモリリプレイ技術を用いて,メモリ爆発問題に対処する枠組みを提案する。 Topology-aware Embedding Memory (TEM) を用いたPDGNNは最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2024-01-24T03:03:17Z)
• PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive Learning [109.84770951839289]
  歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。 本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-03-17T08:28:30Z)

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。