論文の概要: Memory-Orchestrated Semantic System (MOSS): An Auditable Agentic Memory Architecture

• arxiv url: http://arxiv.org/abs/2607.04391v1
• Date: Sun, 05 Jul 2026 16:35:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.91302
• Title: Memory-Orchestrated Semantic System (MOSS): An Auditable Agentic Memory Architecture
• Title（参考訳）: メモリオーケストレーションセマンティックシステム(MOSS:Auditable Agentic Memory Architecture)
• Authors: Serge Lacasse, Jérémie Hatier, Alex Baker,
• Abstract要約: 本稿では,MOSS(Memory-Orchestrated Semantic System)を提案する。 MOSSはモデルに依存しない、ストレージに依存しない、APIに依存しない、あらゆるリレーショナルエンジンで動作し、いかなるLLMプロバイダにも接続し、任意のインフラストラクチャ、ローカルまたはクラウドにデプロイする。 2024年10月までの1年間,個別の研究者の作業コーパスよりも連続的な生産が続けられた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-term memory remains a structural weakness of AI agents. The dominant approach, retrieval-augmented generation (RAG), relies on embedding-based similarity search, which is opaque by construction, difficult to audit, and bounded by the theoretical limits of vector representations. We present the Memory-Orchestrated Semantic System (MOSS), an agentic memory architecture in which the agent drives retrieval over a structured relational database. MOSS is model-agnostic, storage-agnostic, and API-agnostic: it runs on any relational engine, connects to any LLM provider (or to deterministic non-LLM processes), and deploys on any infrastructure, local or cloud. Its retrieval execution is symbolic and reproducible (once a query is formulated, no LLM participates in the retrieval loop) and every step of the system, from indexing to answer formulation, is logged and inspectable, making MOSS auditable by construction. Rather than imposing an external ontology, MOSS derives its conceptual vocabulary from the corpus itself. We report on a longitudinal deployment unique in the agentic-memory literature: a year of continuous production over an individual scholar's working corpus--a conversational corpus reaching back to October 2024 (some 44 million tokens, retroactively indexed) comprising 110,183 segments, alongside 163,494 catalogued documents, 569 inductively derived concepts, 322,662 concept annotations, and eleven metadata graphs totaling approximately five million relations--across four successive infrastructure generations. While the present case is that of a single researcher, the architecture is in no way specific to one person: it serves a team, an institution, or any entity that accumulates knowledge over time. We argue that auditable, sovereign, structurally unbounded memory is a precondition for AI agents intended to accompany a person or an organization over years rather than sessions.
• Abstract（参考訳）: 長期記憶は、AIエージェントの構造的弱点である。 支配的なアプローチである検索拡張生成(RAG)は、構築によって不透明であり、監査が困難であり、ベクトル表現の理論的な限界によって制限される埋め込みベースの類似性探索に依存している。 本稿では,MOSS(Memory-Orchestrated Semantic System)を提案する。 MOSSはモデルに依存しない、ストレージに依存しない、APIに依存しない:いかなるリレーショナルエンジン上でも動作し、いかなるLLMプロバイダ(または決定論的でない非LLMプロセス)とも接続し、任意のインフラストラクチャ、ローカルまたはクラウドにデプロイする。 検索の実行はシンボリックで再現可能である(クエリが定式化され、LLMが検索ループに参加することはない)。 外部オントロジーを導入するのではなく、MOSSは、その概念的な語彙をコーパス自体から導き出している。 2024年10月までの1年間(約4400万トークン,遡及的にインデックス付けされた)の会話コーパスは,110,183個のセグメントから構成され,さらに163,494個のカタログ文書,569個の帰納的概念,322,662個の概念アノテーション,11個のメタデータグラフが4世代にわたって約500万の関連性を持つ。 アーキテクチャはチーム、機関、あるいは時間とともに知識を蓄積するあらゆるエンティティに役立ちます。 監査可能で、主権があり、構造的に拘束されていない記憶は、セッションよりも何年もの間、人や組織に同行することを意図したAIエージェントの前提条件である、と我々は主張する。

関連論文リスト

• eMEM: A Hybrid Spatio-Temporal Memory System For Embodied Agents [1.8047694351309203]
  物理環境で動作するエンボディエージェントのためのハイブリッドグラフベースメモリシステムeMEMを提案する。 eMEMはこのギャップをマルチインデックスアーキテクチャ(構造化ストレージ用ITE、近傍セマンティックサーチ用hlib、空間クエリ用Rツリー)で埋める。 また,eMEM-Bench v1は,メモリ評価のためのProcTHOR-10Kシーン上で構築したベンチマークである。
  論文  参考訳（メタデータ） (2026-06-02T09:22:12Z)
• Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction [127.64173950476702]
  エージェントが直接、汎用端末ツールを用いて、生コーパスを直接検索する直接コーパス間相互作用(DCI)について検討する。 このアプローチではオフラインインデックスを必要とせず、ローカルコーパスの進化に自然に適応する。 IRベンチマークとエンドツーエンドのエージェント検索タスク全体にわたって、この単純なセットアップは、強いスパース、密度、リランクベースラインよりも大幅に優れています。
  論文  参考訳（メタデータ） (2026-05-03T19:13:11Z)
• Memanto: Typed Semantic Memory with Information-Theoretic Retrieval for Long-Horizon Agents [0.4464102544889847]
  メモリは、プロダクショングレードのエージェントシステムのデプロイにおいて、主要なアーキテクチャ上のボトルネックである。 Memantoは、エージェント人工知能のための普遍記憶層である。 メマントは、それぞれ89.8%と87.1%の精度を達成している。
  論文  参考訳（メタデータ） (2026-04-23T21:34:36Z)
• Springdrift: An Auditable Persistent Runtime for LLM Agents with Case-Based Memory, Normative Safety, and Ambient Self-Perception [0.20305676256390928]
  本稿では、長期LLMエージェントの永続ランタイムであるSpringdriftを紹介する。 我々は,このカテゴリに人工リテーナという用語を導入する。 これは、システム設計とデプロイメントのケーススタディに関する技術的なレポートであり、ベンチマークによる評価ではない。
  論文  参考訳（メタデータ） (2026-04-06T13:14:37Z)
• ByteRover: Agent-Native Memory Through LLM-Curated Hierarchical Context [7.906778920268216]
  本稿では,メモリパイプラインを反転させるエージェントネイティブメモリアーキテクチャByteRoverを提案する。 ByteRoverは、ドメイン、トピック、サブトピック、エントリとして整理されたファイルベースの知識グラフである階層的コンテキストツリーにおける知識を表す。 LoCoMoとLongMemEvalの実験は、ByteRoverがLoCoMoの最先端の精度とLongMemEvalの競争結果を達成することを示した。
  論文  参考訳（メタデータ） (2026-04-02T04:15:42Z)
• Indaleko: The Unified Personal Index [0.0]
  Dissertationは、この基本的なギャップを埋めるメモリアラインメントアーキテクチャであるUnified Personal Index(UPI)を提示する。 Indalekoのプロトタイプでは、8つのストレージプラットフォームにまたがる160TBにまたがる31万のファイルデータセット上で、UPIが実現可能であることを実証している。
  論文  参考訳（メタデータ） (2026-02-24T03:17:36Z)
• 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)
• 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)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)

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。