Fugu-MT 論文翻訳(概要): Memory-Conditioned Tool Calling for Camera-First Visual Agents

論文の概要: Memory-Conditioned Tool Calling for Camera-First Visual Agents

arxiv url: http://arxiv.org/abs/2607.09822v1
Date: Fri, 10 Jul 2026 08:40:33 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-14 15:40:48.208755
Title: Memory-Conditioned Tool Calling for Camera-First Visual Agents
Title（参考訳）: カメラファーストビジュアルエージェントのためのメモリコンディションツール
Abstract要約: 視覚記憶がエージェント側のツール選択とツール引数を改善するかを検討する。このデザインでは、各ターンにロードされる3層のパーソナル・ヴィジュアル・メモリ(目立った、短期的な焦点、観察)を使用している。
参考スコア（独自算出の注目度）: 10.686965146107418
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recognition tells an agent what is in an image; personal memory affects what is worth looking up next. In a camera-first setting the user can send only an image, so the agent must form the lookups. We study whether personal visual memory improves agent-side tool choice and tool arguments, and thereby more user-aligned multi-tool lookups. The design uses a three-layer personal visual memory (profile, short-term focus, observations) that is loaded on each turn to condition an LLM tool-calling loop under camera-first intake, and includes conflict-aware write-back intended to refresh the user model for later captures. On 800 images paired with synthetic memory blocks constructed for controlled ablation, removing the full three-layer memory block reduces tool-query relevance by 0.47 points absolute (4.21 -> 3.74 on a 5-point scale; 11.2% relative) and end-to-end utility by 0.082 absolute (0.842 -> 0.760; 9.7% relative). These results measure memory conditioning of tool policy under image-only intake with fixed synthetic blocks, not multi-session write-back from live user histories.
Abstract（参考訳）: 認識はエージェントにイメージに何があるかを伝える。カメラファーストの設定では、ユーザーは画像のみを送信できるので、エージェントはルックアップを作らなければならない。パーソナル・ビジュアル・メモリはエージェント側のツール選択やツール引数を改良し、ユーザ側のマルチツール・ルックアップを改善するかを検討する。このデザインでは、各ターンにロードされる3層のパーソナル・ヴィジュアル・メモリ(写真、短期焦点、観察)を使用して、カメラファーストのインテーク下でLLMツール呼び出しループを条件付けし、後のキャプチャのためにユーザーモデルをリフレッシュすることを意図したコンフリクト対応の書き込みバックを備えている。制御アブレーションのために構築された合成メモリブロックと組み合わせた800の画像では、完全な3層メモリブロックが取り除かれ、ツールクエリの関連性が0.47ポイント(5点スケールで4.21 -> 3.74、相対で11.2%)、エンドツーエンドユーティリティが0.082ポイント(0.842 -> 0.760; 9.7%)減少する。これらの結果は,ライブユーザ履歴からのマルチセッション書き込みではなく,固定された合成ブロックによる画像のみの取り込みによるツールポリシーのメモリ条件付けを計測する。

関連論文リスト

Memory as a Controlled Process: Learned Adaptive Memory Management for LLM Agents [72.3752981234916]
大きな言語モデル(LLM)エージェントは、タスク間の経験を蓄積するために、外部メモリシステムに依存している。メモリ操作をマルコフ決定プロセスとしてモデル化するフレームワークである制御プロセス(MemCon)としてメモリを提示する。 MemConは、複数のメモリベースラインのタスク成功率を最大15.2ポイント上回り、トークン消費量を5-20%削減している。
論文参考訳（メタデータ） (2026-07-15T08:32:40Z)
MEMPROBE: Probing Long-Term Agent Memory via Hidden User-State Recovery [58.64329475683699]
我々は、長期記憶は監査可能な相互作用後のアーティファクトとして評価されるべきであると主張している。我々は、メモリを備えたエージェントがシミュレーションユーザを支援するベンチマークであるMEMPROBEで、このビューをインスタンス化する。私たちは、成功したアシストと回復可能なメモリが、異なる機能として振る舞うことに気付きました。
論文参考訳（メタデータ） (2026-06-23T13:52:46Z)
MemToolAgent: Leveraging Memory for Tool Using Agents Based on Environment and User Feedback [5.237822504687579]
本稿では,メモリ管理によるツール使用を改善するフレームワークであるMemToolAgentを提案する。本研究は,(1)汎用・パーソナライズされたツールの使用を微調整なしで改善する統一型メモリエントリフォーマット,(2)環境やユーザからのフィードバックを取り入れたリフレクションベースのメモリ抽出,(3)メモリ類似度分布に基づく過去の経験数を選択する検索モジュールの3つの主要なコントリビューションを有する。
論文参考訳（メタデータ） (2026-06-06T00:15:00Z)
When Should Memory Stay Silent: Measuring Memory-Use Boundaries in Memory-Augmented Conversational Agents [13.354128891280316]
長期記憶により、言語モデルエージェントはパーソナライズされたインタラクションをサポートすることができる。利用可能な記憶がいつ応答に統合されるかは、まだ不明である。検索システムは露光を減らすが、感度の高いメモリがジェネレータに到達すると、統合を排除しない。
論文参考訳（メタデータ） (2026-06-04T11:54:51Z)
Beyond Similarity: Trustworthy Memory Search for Personal AI Agents [25.265839311088516]
個人AIエージェントにおける信頼境界としてのメモリ探索について検討する。 MemGateは、信頼性の高いメモリ検索のための軽量でデプロイ可能なメモリプラグインである。
論文参考訳（メタデータ） (2026-06-04T11:54:29Z)
Personal Visual Memory from Explicit and Implicit Evidence [64.95933636732191]
パーソナライズされたAIエージェントにとって、長期記憶はますます重要である。既存のベンチマークとメソッドは、主にテキスト中心のままである。 VisualMemは、テキストメモリバックエンドを構造化されたパーソナル・ビジュアル・メモリモジュールで拡張するハイブリッド・ビジュアル・テキスト・アーキテクチャである。
論文参考訳（メタデータ） (2026-05-27T17:56:11Z)
Memory-Induced Tool-Drift in LLM Agents [16.757958713462894]
メモリに格納されたパーソナリティ駆動バイアスは、適用できないコンテキストにおけるツールコールに静かに影響する。機械的に、バイアスドメモリは暗黙のステアリングベクトルとして働き、明示的な行動指示と同じ潜在方向に沿ってアクティベーションをプッシュする。エージェントがユーザの代理として連続的なアクションを取るようになると、メモリ誘発ツールドリフトは体系的な脆弱性を表す。
論文参考訳（メタデータ） (2026-05-24T08:41:39Z)
Memory Grafting: Scaling Language Model Pre-training via Offline Conditional Memory [65.39827296429527]
条件付きメモリのスケーリングは、言語モデルのキャパシティを向上する有望な方法である。 Engramのような既存の方法は、事前トレーニング中にスクラッチから大きなメモリテーブルを学習する。本研究では, グラフトモデルから凍結した隠蔽状態を条件n-gramメモリとして利用する条件記憶スケーリング手法であるメモリグラフトを提案する。
論文参考訳（メタデータ） (2026-05-20T09:35:04Z)
MemGym: a Long-Horizon Memory Environment for LLM Agents [69.79226770543049]
本稿では,エージェントメモリのベンチマークであるMemGymを紹介する。 MemGymは、メモリパフォーマンスを推論、検索、ツール使用能力から切り離すメモリアイソレーションスコアを報告している。 MEMGYM-CODEQAとMEMGYM-DRの合成パイプラインは、長さ制御可能であり、各ステージでアブレーションを検証可能であり、下流のシナリオと密に整合している。
論文参考訳（メタデータ） (2026-05-20T07:25:33Z)
MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks [55.145729491377374]
メモリを持つエージェントの既存の評価は、通常、単独で記憶と行動を評価する。マルチセッションメモリ-エージェント環境ループにおけるエージェントメモリのベンチマークのための統合評価ジムであるMemoryArenaを紹介する。 MemoryArenaは、Webナビゲーション、優先制約付き計画、プログレッシブ情報検索、シーケンシャルなフォーマルな推論を含む評価をサポートする。
論文参考訳（メタデータ） (2026-02-18T09:49:14Z)
CIMemories: A Compositional Benchmark for Contextual Integrity of Persistent Memory in LLMs [62.116710797795314]
大規模言語モデル(LLM)は、パーソナライゼーションとタスクパフォーマンスを向上させるために、過去のインタラクションから永続的なメモリを使用することが多い。タスクコンテキストに基づいて,LLMがメモリからの情報フローを適切に制御するかどうかを評価するベンチマークであるCIMemoriesを提案する。
論文参考訳（メタデータ） (2025-11-18T21:51:23Z)

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。