論文の概要: Always-OnAgents:A Survey of Persistent Memory, State, and Governance in LLMAgents
- arxiv url: http://arxiv.org/abs/2606.30306v1
- Date: Mon, 29 Jun 2026 13:47:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.251431
- Title: Always-OnAgents:A Survey of Persistent Memory, State, and Governance in LLMAgents
- Title（参考訳）: Always-OnAgents:LLMAgentsにおける永続的記憶、状態、ガバナンスに関する調査
- Authors: Tianyu Ding, Aditya Nannapaneni, Bingfan Liu, Ling Zhang,
- Abstract要約: 常にオンエージェントは、将来の振舞いが以前の相互作用にまたがって蓄積された耐久性状態に依存するシステムである。
私たちは、これらのガバナンス要件を具体化するパイロット評価契約であるAlways-On Evaluation Protocol (AOEP-v0)を紹介します。
結果のアジェンダは、常時オンのエージェントをデータベース、分散システム、フォーマルなメソッド、機能セキュリティ、マシンアンラーニングに接続する。
- 参考スコア（独自算出の注目度）: 14.13381700671035
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Always-on agents are systems whose future behavior depends on durable state accumulated across earlier interactions. We treat them as persistent-state systems: the operative system includes retrievable memories, but also task ledgers, permissions, credentials, commitments, provenance and audit records, shared state, trigger conditions, and externally committed effects linked to those records. The survey reads the literature through six diagnostic axes for each state item, authority, scope, mutability, provenance, recoverability, and actionability, and through a lifecycle in which state is written, validated, organized, retrieved, acted upon, updated, forgotten, audited, and sometimes rolled back. Across a 435-work coded corpus, treated as a scoped map rather than an exhaustive census, the literature concentrates more heavily on accumulating and retrieving state than on governing, recovering, or relinquishing it. We therefore introduce the Always-On Evaluation Protocol (AOEP-v0), a pilot evaluation contract that makes these governance requirements concrete by scoring state mutation and recovery obligations rather than answer quality alone. The resulting agenda connects always-on agents to databases, distributed systems, formal methods, capability security, and machine unlearning.
- Abstract（参考訳）: 常にオンエージェントは、将来の振舞いが以前の相互作用にまたがって蓄積された耐久性状態に依存するシステムである。
操作システムは、検索可能な記憶を含むだけでなく、タスク台帳、許可、資格、コミットメント、証明と監査記録、共有状態、トリガー条件、それらの記録に関連付けられた外部コミット効果も含む。
調査では、各状態項目、権限、スコープ、変更可能性、証明、回復可能性、行動可能性の6つの診断軸と、状態が書かれ、検証され、組織化され、回収され、実行され、更新され、忘れられ、監査され、時にはロールバックされるライフサイクルを通じて、文献を読み上げる。
435のコード化されたコーパスは、徹底的な国勢調査ではなく、スコープマップとして扱われており、文献はそれを管理、回復、放棄することよりも、国家の蓄積と回収に集中している。
そこで我々は、品質のみを答えるのではなく、状態突然変異と回復義務を評価することで、これらのガバナンス要件を具体化するパイロット評価契約であるAlways-On Evaluation Protocol(AOEP-v0)を導入する。
結果のアジェンダは、常時オンのエージェントをデータベース、分散システム、フォーマルなメソッド、機能セキュリティ、マシンアンラーニングに接続する。
関連論文リスト
- From Agent Traces to Trust: Evidence Tracing and Execution Provenance in LLM Agents [20.651400118242346]
大規模言語モデル(LLM)ベースのエージェントは、外部ツール、検索システム、メモリモジュール、環境、その他のエージェントと相互作用することで、複雑なタスクをますます解決する。
最終回答の精度だけでは、アウトプットがどのように生成されたかは説明できないため、それぞれのクレーム、ツールコールが正当化されたか、後の決定にメモリがどのように影響したか、実行失敗がどこから発生したかといった証拠が裏付けられている。
エビデンストレースと実行の証明は、検索されたエビデンス、ツール出力、メモリアイテム、環境観察、中間クレーム、アクション、最終回答がエージェントの実行を通してどのように接続されているかをモデル化することによって、このギャップに対処する。
論文 参考訳（メタデータ） (2026-06-03T15:12:47Z) - Taming "Zombie'' Agents: A Markov State-Aware Framework for Resilient Multi-Agent Evolution [50.50276752935017]
AgentReviveは、レジリエントなマルチエージェント進化のためのMarkovステートアウェアフレームワークである。
我々の手法はソフト状態遷移を通じてエージェントの協調を動的に管理する。
ステートアウェアなエージェントスケジューリングによってトークンの消費を大幅に削減する。
論文 参考訳（メタデータ） (2026-05-17T09:38:18Z) - STALE: Can LLM Agents Know When Their Memories Are No Longer Valid? [5.361950931863979]
大規模言語モデル(LLM)エージェントは、コヒーレントで長期的なパーソナライズされたメモリを維持することがますます期待されている。
現在のベンチマークは、主に静的な事実検索を計測し、新しい証拠が現れたときに保存された信念を更新する能力を見下ろしている。
専門家が検証した400の競合シナリオのベンチマークであるSTALEを紹介します。
CUPMemは,構造化状態統合と伝搬認識探索による書き込み時間リビジョンを強化するプロトタイプである。
論文 参考訳（メタデータ） (2026-05-07T16:31:15Z) - Beyond Task Success: An Evidence-Synthesis Framework for Evaluating, Governing, and Orchestrating Agentic AI [0.0]
本稿では,手動符号化コーパスにおける有界なエビデンス合成に寄与する。
本稿では,(1)評価,ガバナンス,オーケストレーション,保証にまたがる4層フレームワーク,(2)可観測性,決定性,タイムライン,検証性に基づくODTA実行時配置テスト,(3)状態変更動作のための最小アクション検証バンドル,の3つの関連アーティファクトを紹介する。
論文 参考訳（メタデータ） (2026-04-18T20:28:26Z) - A Survey on the Security of Long-Term Memory in LLM Agents: Toward Mnemonic Sovereignty [12.941302388928841]
認知神経科学と記憶哲学に基づいて、エージェント記憶は順応的で、再編集可能で、社会的に伝播していると特徴付けている。
我々は、Write、Store、Retrieve、Execute、Share、Forget/Rollbackという6つのフェーズで構成されたメモリライフサイクルフレームワークを開発しています。
文献は書き込み時と検索時の整合性攻撃に集中しているが、機密性、可用性、ストア/フォゲット、良性パーシステンス障害は軽微に研究されている。
論文 参考訳（メタデータ） (2026-04-17T06:28:22Z) - Agents of Chaos [50.53354213047402]
実験室環境に展開する自律言語モデルを用いたエージェントの探索的再チームの研究を報告する。
20人のAI研究者が、良心的および敵対的な条件下でエージェントと対話した。
我々の発見は、現実的なデプロイメント設定におけるセキュリティ、プライバシ、ガバナンスに関連する脆弱性の存在を確立します。
論文 参考訳（メタデータ） (2026-02-23T16:28:48Z) - Relational Action Bases: Formalization, Effective Safety Verification,
and Invariants (Extended Version) [67.99023219822564]
我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。
RABは両方の制限を解除することで既存のモデルを一般化する。
データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2022-08-12T17:03:50Z) - A New Bandit Setting Balancing Information from State Evolution and
Corrupted Context [52.67844649650687]
本稿では,2つの確立されたオンライン学習問題と包括的フィードバックを組み合わせた,逐次的意思決定方式を提案する。
任意の瞬間にプレーする最適なアクションは、エージェントによって直接観察できない基礎となる変化状態に付随する。
本稿では,レフェリーを用いて,コンテキストブレイジットとマルチアームブレイジットのポリシーを動的に組み合わせるアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-16T14:35:37Z)
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。