論文の概要: PLACEMEM: Toward a Compute-Aware Memory Plane for Lifelong Agents
- arxiv url: http://arxiv.org/abs/2607.04089v1
- Date: Sun, 05 Jul 2026 02:55:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.826942
- Title: PLACEMEM: Toward a Compute-Aware Memory Plane for Lifelong Agents
- Title（参考訳）: PLACEMEM:生涯エージェントのためのコンピュータ対応メモリプレーンを目指して
- Authors: Sukanta Ganguly,
- Abstract要約: 本稿では,PLACEMEMを生涯記憶のシステム位置として提示し,実行可能な制御プレーンプロトタイプによってインスタンス化する。
中心的な主張は、エージェントメモリは、セマンティクス、証明、妥当性、再利用可能なランタイム状態を1つの修正認識の下で統一するバージョン付きカプセルとして表現されるべきである。
結果として、今日の修正対応コントロールプレーンの挙動を示す実行可能なアーティファクトと、将来の生涯エージェントシステムにおけるリプレイ対応サービス統合のための具体的なロードマップの両方が実現された。
- 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: Lifelong agents need more than larger context windows and better retrieval. They need memories that can persist, evolve, and be corrected without forcing the serving stack to recompute the same history on every turn or silently reuse stale runtime state. We present PLACEMEM as a systems position on lifelong-agent memory, instantiated by an executable control-plane prototype. The central claim is that agent memory should be represented as versioned capsules that unify semantics, provenance, validity, and reusable runtime state under one correction-aware identity. In the current prototype, capsules drive prompt-level text retrieval, KV-aware routing, and cascading invalidation over live streamed backends; prospective layer-frontier replay is intentionally framed as a deeper integration agenda rather than a claimed engine feature. We describe a vLLM-first prototype with persistent capsule state, concurrency-safe invalidation, an OpenAI-compatible routing sidecar, a typed metadata contract, and a benchmark harness that measures live first-token latency, reuse, and post-correction behavior. The result is both an executable artifact that demonstrates correction-aware control-plane behavior today and a concrete roadmap for replay-aware serving integration in future lifelong-agent systems.
- Abstract（参考訳）: ライフロングエージェントは、より大きなコンテキストウィンドウとより良い検索を必要とする。
彼らは、各ターンで同じ履歴を再計算したり、静かなランタイム状態の再利用を強制することなく、持続し、進化し、修正できる記憶が必要です。
本稿では,PLACEMEMを生涯記憶のシステム位置として提示し,実行可能な制御プレーンプロトタイプによってインスタンス化する。
中心的な主張は、エージェントメモリは、セマンティクス、証明、妥当性、再利用可能なランタイム状態を1つの修正認識IDの下で統一するバージョン付きカプセルとして表現されるべきである。
現在のプロトタイプでは、カプセルはプロンプトレベルのテキスト検索、KV対応ルーティング、ライブストリームバックエンド上のカスケード無効化を駆動している。
永続的なカプセル状態、並列性に配慮した無効化、OpenAI互換のルーティングサイドカー、型付きメタデータコントラクト、ライブファーストツーケンのレイテンシ、再利用、修正後の動作を測定するベンチマークハーネスを備えたvLLMファーストプロトタイプについて説明する。
結果として、今日の修正対応コントロールプレーンの挙動を示す実行可能なアーティファクトと、将来の生涯エージェントシステムにおけるリプレイ対応サービス統合のための具体的なロードマップの両方が実現された。
関連論文リスト
- WorldMemArena: Evaluating Multimodal Agent Memory Through Action-World Interaction [72.1620416874118]
マルチモーダルな言語モデルは、長距離エージェントとしてますます多くデプロイされている。
既存のベンチマークは、静的対話上のリコールを測定し、メモリを1つのタスクの精度に分解し、キャプションに対する視覚的な観察を減らす。
マルチモーダルエージェントメモリを,観測可能な4段階ライフサイクルを持つアクションワールドインタラクションループとして定式化する。
論文 参考訳（メタデータ） (2026-05-28T04:27:20Z) - STAMP: Training Explicit Memory for Mobile GUI Agents in Controllable and Scalable Virtual Environments [63.39393178045112]
モバイルエージェントは即座に反応制御を行うが、メモリを必要とする現実的なロングホライゾンタスクでは頻繁に失敗する。
制御可能な仮想環境を通じて,モバイルエージェントの明示的なメモリをトレーニングするフレームワークSTAMPを提案する。
結果のStampGUIエージェントは、メモリワールドベンチマークに新たなハイウォーターマークを設定し、例外的なメモリ精度とタスクレジリエンスを実証します。
論文 参考訳（メタデータ） (2026-05-28T04:00:13Z) - Your Agents Are Aging Too: Agent Lifespan Engineering for Deployed Systems [60.79651380135334]
長寿命のAIエージェントは、永続的な運用システムとしてますますデプロイされる。
エージェントはデプロイ後、いつまで信頼できるのか?
エージェントライフスパンエンジニアリングのための縦型信頼性ベンチマークであるAgingBenchを紹介する。
論文 参考訳（メタデータ） (2026-05-25T19:55:12Z) - Portable Agent Memory: A Protocol for Cryptographically-Verified Memory Transfer Across Heterogeneous AI Agents [0.0]
我々は,AIエージェント間で永続的なメモリ状態を転送するためのオープンプロトコルと参照実装であるPortable Agent Memoryを提案する。
54のパステストを備えたPython SDKを提供し、GPT-4、Claude、Gemini、Llamaアーキテクチャ間のクロスモデルメモリ転送を実証する。
このプロトコルはApache 2.0の下でオープンソースである。
論文 参考訳（メタデータ） (2026-05-10T23:24:06Z) - Mem-W: Latent Memory-Native GUI Agents [50.87647372904382]
本稿では,メモリをエージェントの連続的コンテキストの一部として扱う,潜在メモリネイティブなGUIエージェントであるMem-Wを紹介する。
4つのWebおよびモバイルナビゲーションベンチマークで、Mem-Wはさまざまなバックボーンとメモリ拡張ベースラインを一貫して改善している。
論文 参考訳（メタデータ） (2026-05-10T04:31:23Z) - Feedback-Normalized Developer Memory for Reinforcement-Learning Coding Agents: A Safety-Gated MCP Architecture [0.0]
本稿では、RLコーディングエージェントのためのローカルファーストのモデルコンテキストプロトコル(MCP)ネイティブな開発者メモリアーキテクチャであるRL Developer Memoryについて述べる。
メモリ選択をログ化されたコンテキスト決定プロセスとして扱う。
システムは、RLアルゴリズムのバグ、ハードネガ、レビューゲートされたRL/コントロールケース、低リスク障害を含む決定論的200ケースのベンチマークで評価される。
論文 参考訳（メタデータ） (2026-05-02T18:37:36Z) - MemMA: Coordinating the Memory Cycle through Multi-Agent Reasoning and In-Situ Self-Evolution [52.29303869050117]
メモリ拡張LDMエージェントは、長期の相互作用をサポートするために外部メモリバンクを保持する。
MemMAはプラグアンドプレイのマルチエージェントフレームワークで、前方と後方の両方の経路に沿ってメモリサイクルを調整する。
論文 参考訳（メタデータ） (2026-03-19T10:15:59Z) - HiMAP: History-aware Map-occupancy Prediction with Fallback [17.3826007449443]
本報告では,MOT故障時にも信頼性が保たれる予測フレームワークである textbfHiMAP を提案する。
HiMAPは過去の検出を歴史的占領地図に変換し、ラベルのない占領表現からエージェント固有の歴史を検索する。
Argoverse2では、HiMAPのパフォーマンスはIDなしで動作しながらトラッキングベースのメソッドに匹敵する。
論文 参考訳（メタデータ） (2026-02-19T10:24:02Z) - MemoryGraft: Persistent Compromise of LLM Agents via Poisoned Experience Retrieval [5.734678752740074]
MemoryGraftは、エージェントの動作を即時ジェイルブレイクではなく、エージェントの長期記憶に悪質な成功体験を埋め込むことによって妥協する、新しい間接的インジェクション攻撃である。
エージェントが実行中に読み取る良質な摂取レベルのアーティファクトを供給できる攻撃者は、それを誘導して有毒なRAGストアを構築することができることを示す。
エージェントが後に意味論的に類似したタスクに遭遇すると、語彙テンプレート上の結合検索と埋め込み類似性は、これらのグラフトされた記憶を確実に表面化し、エージェントは埋め込みされた安全でないパターンを採用し、セッション間の永続的な行動的ドリフトをもたらす。
論文 参考訳（メタデータ） (2025-12-18T08:34:40Z)
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。