論文の概要: Imprint: Online Memory Compression for Long-Horizon Egocentric QA
- arxiv url: http://arxiv.org/abs/2607.00696v1
- Date: Wed, 01 Jul 2026 09:45:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.835279
- Title: Imprint: Online Memory Compression for Long-Horizon Egocentric QA
- Title（参考訳）: Imprint: 長距離エゴセントリックQAのためのオンラインメモリ圧縮
- Abstract要約: ロングホライゾンのエゴセントリックな質問の答えは、過去に何時間、何日も発生した出来事について答えることである。
既存のロングホライゾン・エゴセントリックQA法は、観測の階層的なテキスト要約としてメモリを構成する。
我々は,オンラインメモリ圧縮問題として,長軸エゴ中心メモリを定式化するインタラクション中心メモリフレームワークImprintを提案する。
- 参考スコア（独自算出の注目度）: 3.944710336786154
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-horizon egocentric question answering involves answering about events that have occurred hours or days in the past. This requires memory representations that remain both retrieval-effective and scalable over days or weeks of recording. Existing long-horizon egocentric QA methods construct memory as hierarchical textual summaries of observations. While effective for reducing memory size, summarization optimizes for descriptive compression rather than retrieval: repeated interactions are absorbed into coarse textual descriptions instead of being preserved as explicit, recurring memory units, making long-horizon evidence aggregation difficult. We propose Imprint, an interaction-centric memory framework that formulates long-horizon egocentric memory as an online memory compression problem rather than summarization. Incoming observations are first represented as structured Interaction Records and continuously organized into recurring interaction patterns. Using human memory consolidation signals of recurrence, recency, and distinctiveness, Imprint selectively retains and compresses interactions into a compact retrieval-oriented memory. We evaluate Imprint on EgoLifeQA, a seven-day egocentric benchmark containing questions that require reasoning over interactions occurring hours to days before the query. With the same LLM, Imprint improves QA accuracy from 31.0% to 35.8%, increases evidence-grounded answers by $6\times$ compared with EgoRAG, reduces memory footprint by $2.3\times$, and decreases retrieval latency by $11.8\times$. These results demonstrate that memory compression provides a scalable and retrieval-effective foundation for long-horizon egocentric question answering.
- Abstract（参考訳）: ロングホライゾンのエゴセントリックな質問の答えは、過去に何時間、何日も発生した出来事について答えることである。
これは、検索効率が良く、何日も何週間もかけてスケーラブルなメモリ表現を必要とする。
既存のロングホライゾン・エゴセントリックQA法は、観測の階層的なテキスト要約としてメモリを構成する。
メモリサイズを減らすのに有効であるが、要約は検索よりも記述圧縮を最適化する: 繰り返しの相互作用は明示的で反復的なメモリ単位として保存されるのではなく、粗いテキスト記述に吸収され、長い水平証拠の集約が困難になる。
要約ではなく,オンラインメモリ圧縮問題として,長い水平自我中心メモリを定式化するインタラクション中心メモリフレームワークImprintを提案する。
入ってくる観測は、まず構造化された相互作用記録として表現され、繰り返し発生する相互作用パターンに継続的に整理される。
人間の記憶統合信号を用いて、Imprintは、相互作用を選択的に保持し、コンパクトな検索指向メモリに圧縮する。
Inprint on EgoLifeQA, a seven-day egocentric benchmark including question that requires reasoning over interaction occur hours to days before the query。
同じLDMで、ImprintはQAの精度を31.0%から35.8%に改善し、エゴラグと比較してエビデンスグラウンドの答えを6\times$に増やし、メモリフットプリントを2.3\times$に減らし、検索遅延を11.8\times$に減らした。
これらの結果から, メモリ圧縮は, 長期的自己中心型質問応答において, スケーラブルかつ検索に有効な基礎を提供することが示された。
関連論文リスト
- Beyond Retrieval: Progressive Latent Memory Evolution for Streaming Video Understanding [64.34948094316685]
latentStreamは、ストリーミングメモリをストア・アンド・レトリーブから検索・インターナライズへシフトする、プログレッシブな潜伏型ワーキングメモリフレームワークです。
LatentStreamは、既存のオンラインおよびオフラインビデオベンチマークで、最先端の新たな結果を達成する。
論文 参考訳（メタデータ） (2026-09-03T17:28:14Z) - RippleMem: From Isolated Retrieval to Associative Recollection for Long-Term Agent Memory [13.519130680921565]
本稿では,長期記憶システムであるRippleMemを紹介する。
LoCoMoとLongMemEval-Sは、RippleMemが評価された設定全体で最高の全体的なパフォーマンスを達成することを示している。
論文 参考訳（メタデータ） (2026-08-13T15:05:01Z) - VL-MemKnG: Hybrid Memory with a Spatio-Temporal Knowledge Graph for Question Answering over Long Egocentric Navigation Trajectories [6.008251172997241]
本稿では,VL-MemKnGを拡張するハイブリッドメモリフレームワークを提案する。
また、長距離ナビゲーション指向のビデオ質問応答のためのWalkyKnowledgeの拡張であるWalkyKnowledgeT+についても紹介する。
論文 参考訳（メタデータ） (2026-06-15T18:21:14Z) - Causal Intervention-Based Memory Selection for Long-Horizon LLM Agents [0.33842793760651557]
制御された介入の下で,候補記憶がモデル応答に与える影響を推定する因果記憶選択手法を提案する。
以上の結果から,CMIは,信頼性の高い長期記憶には関連性のみではなく,因果的有用性に基づくコンテキスト選択が必要であることが示唆された。
論文 参考訳（メタデータ） (2026-05-17T20:21:55Z) - EgoMemReason: A Memory-Driven Reasoning Benchmark for Long-Horizon Egocentric Video Understanding [89.26501160264199]
EgoMemReasonは、メモリ駆動推論を通じて、1週間のエゴセントリックなビデオ理解を体系的に評価する。
EgoMemReasonには3つのメモリタイプと6つのコア課題に関する500の質問が含まれている。
EgoMemReasonをMLLMとエージェントフレームワークにまたがる17の手法で評価する。
論文 参考訳（メタデータ） (2026-05-11T01:59:59Z) - Semantic-Aware Adaptive Visual Memory for Streaming Video Understanding [55.7992006853979]
SAVEMemは、セマンティックな認識をメモリ生成にもたらすフレームワークで、クエリ毎に検索スコープを適応させる。
SAVEMemは、メモリ生成にセマンティックな認識をもたらし、クエリ毎に検索範囲を適応させる、トレーニングフリーのデュアルステージフレームワークである。
論文 参考訳（メタデータ） (2026-05-08T15:40:40Z) - MemSearch-o1: Empowering Large Language Models with Reasoning-Aligned Memory Growth in Agentic Search [59.98962867649009]
本稿では,メモリ成長とリトラシングに基づくエージェント検索フレームワークであるMemSearch-o1を提案する。
MemSearch-o1はクエリからメモリシードトークンからきめ細かいメモリフラグメントを成長させ、コントリビューション関数を通じてメモリを再トレースし、深く洗練し、最終的にグローバルに接続されたメモリパスを再編成する。
論文 参考訳（メタデータ） (2026-04-19T05:35:06Z) - AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents [49.63422082885992]
長軸対話エージェントのための適応型ユーザ中心メモリフレームワークであるAdaMemを提案する。
AdaMemは対話履歴をワーキング、エピソディック、ペルソナ、グラフメモリに整理する。
LoCoMo と PERSONAMEM ベンチマーク上での AdaMem の評価を行った。
論文 参考訳（メタデータ） (2026-03-17T13:22:54Z) - AMA: Adaptive Memory via Multi-Agent Collaboration [54.490349689939166]
複数の粒度にまたがるメモリ管理に協調エージェントを活用する新しいフレームワークであるAMA(Adaptive Memory via Multi-Agent Collaboration)を提案する。
AMAは、ステート・オブ・ザ・アートのベースラインを著しく上回り、トークンの消費をフルコンテキストの手法と比べて約80%削減する。
論文 参考訳（メタデータ） (2026-01-28T08:09:49Z) - HiMem: Hierarchical Long-Term Memory for LLM Long-Horizon Agents [3.9396865837159822]
HiMemは、長距離対話のための階層的長期記憶フレームワークである。
メモリ構築、検索、持続的なインタラクション中の動的更新をサポートする。
その結果、HiMemは、精度、一貫性、長期的な推論において、代表的ベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-01-10T01:26:01Z) - ArcMemo: Abstract Reasoning Composition with Lifelong LLM Memory [21.4675019810992]
概念レベルのメモリは再利用され、ソリューショントレースから抽出されたモジュラー抽象化が自然言語に格納される。
我々は、合成一般化と抽象的推論を強調するベンチマークARC-AGIを評価する。
抽象概念は最も一貫したメモリ設計であり、全てのテストされた推論計算スケールでベースラインを上回ります。
論文 参考訳（メタデータ） (2025-09-04T17:54:19Z)
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。