論文の概要: OpsMem: Dual-Memory Reasoning with Cross-Memory Resonance for Failure Diagnosis

• arxiv url: http://arxiv.org/abs/2607.11357v1
• Date: Mon, 13 Jul 2026 10:22:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.428245
• Title: OpsMem: Dual-Memory Reasoning with Cross-Memory Resonance for Failure Diagnosis
• Title（参考訳）: OpsMem: 障害診断のための二重メモリ共振器とクロスメモリ共振器
• Abstract要約: OpsMemは、現在の診断状態のための短期メモリと、再利用可能な運用エクスペリエンスのための長期メモリを保守するデュアルメモリフレームワークである。 実世界のHuaweiマイクロサービス障害診断データセットの実験によると、OpsMemは代理エージェント推論と知識強化ベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 9.398465678794297
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Failure diagnosis in modern software systems requires iterative evidence acquisition and hypothesis reasoning guided by operational experience. Existing LLM-based methods improve diagnosis through agentic reasoning or knowledge augmentation, but they often lack a mechanism to coordinate the evolving diagnostic state with operational experience during iterative diagnosis. We propose OpsMem, a dual-memory framework that maintains a short-term memory for the current diagnostic state and a long-term memory for reusable operational experience. OpsMem uses cross-memory resonance to activate state-relevant long-term memory, conditions multi-agent diagnosis on the short-term and activated long-term memories, and consolidates reusable experience from solved incidents back into long-term memory. Experiments on a real-world Huawei microservice failure diagnosis dataset show that OpsMem outperforms representative agentic-reasoning and knowledge-augmented baselines, improving Match and Relevant by up to 46.88% and 18.39% over the strongest baseline, respectively.
• Abstract（参考訳）: 現代のソフトウェアシステムの故障診断には、運用経験から導かれる反復的証拠取得と仮説推論が必要である。 既存のLSMベースの手法は、エージェント推論や知識増強を通じて診断を改善するが、しばしば、進化する診断状態と反復診断時の操作経験を協調させるメカニズムが欠如している。 我々は、現在の診断状態に対する短期記憶と、再利用可能な運用エクスペリエンスのための長期記憶を維持できるデュアルメモリフレームワークであるOpsMemを提案する。 OpsMemは、クロスメモリ共鳴を使用して、状態関連長期記憶を活性化し、短期記憶と活性化記憶のマルチエージェント診断を条件とし、解決されたインシデントから長期的なメモリに再利用可能なエクスペリエンスを統合する。 実世界のHuaweiマイクロサービス障害診断データセットの実験によると、OpsMemは代表的エージェント推論と知識増強ベースラインを上回っ、MatchとRelevantをそれぞれ46.88%と18.39%改善している。

関連論文リスト

• Understanding Stage-Wise Utility-Risk Trade-offs in LLM Agent Memory [21.71796784567462]
  より多くの情報を保持し、変換し、公開するメモリメカニズムは、良性の有用性と、メモリ中毒に対する感受性の両方に影響を与える可能性がある。 本報告では, 毒性条件下での書込み, 管理方針, 検索露出を別々に変化させる制御可能なフレームワークであるtextscMemGaugeについて述べる。
  論文  参考訳（メタデータ） (2026-08-31T02:57:08Z)
• Harness the Memory: A Holistic Evaluation of Memory Substrates in Memory Agents [97.19033877543522]
  本稿では,メモリ拡張剤のメモリ基板の制御ハーネス評価について述べる。 統一されたハーネスの下で26のパフォーマンスと効率のメトリクスを計測する。 これらの知見は、アダプティブエージェントメモリシステムに必要なコンポーネントとして、基質ルーティングを動機付けている。
  論文  参考訳（メタデータ） (2026-08-15T03:29:48Z)
• Controlled Memory Interference in Continual LLM Agents [19.630594179909156]
  長期記憶により、AIエージェントはセッション間の連続性を維持し、振る舞いをパーソナライズし、蓄積された経験を通じて進化することができる。 既存のシステムは、主にメモリ構築と関連性に基づく検索を強調しているが、いくつかの記憶は、状態、時間的妥当性、権限において異なるが、同時に関連している。 我々は,異なるメモリ関係下でのエージェントメモリの進化を研究するための,制御された診断・データ生成フレームワークである制御型メモリ干渉(CMI)を紹介する。
  論文  参考訳（メタデータ） (2026-08-07T09:46:19Z)
• MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
  ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。 MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。 長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
  論文  参考訳（メタデータ） (2026-07-14T15:33:44Z)
• 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)
• MemConflict: Evaluating Long-Term Memory Systems Under Memory Conflicts [19.9199366981741]
  本稿では,メモリの妥当性をクエリ条件付きフィットネス・フォー・ユース問題として扱う診断フレームワークを提案する。 MemConflictは、時間的妥当性、事実的正確性、文脈的適用性に関する動的、静的、条件的衝突を形式化する。 構造化されたユーザプロファイルから制御されたロングホライズン履歴をシミュレートし、クロスセッションコンフリクトを導入し、セマンティックに類似したイントラクタを注入して、メモリ候補間の競合を発生させる。
  論文  参考訳（メタデータ） (2026-05-20T09:11:04Z)
• MedExpMem: Adapting Experience Memory for Differential Diagnosis [22.04453629016854]
  医用視覚言語モデルのための体験記憶フレームワークであるMedExpMemを提案する。 検索増強生成とは異なり、MedExpMemはエージェント自身の診断失敗から派生した識別経験を記憶する。 結果は、様々なモデルとスケールで、一貫した精度の改善、最大7.0%を示す。
  論文  参考訳（メタデータ） (2026-05-20T01:42:53Z)
• MedSynapse-V: Bridging Visual Perception and Clinical Intuition via Latent Memory Evolution [17.226939499496996]
  高精度な診断は、静的な画像の特徴だけでなく、暗黙的な診断記憶の専門家が画像解釈中に即座に起動することにも依存する。 本報告では,隠れストリーム内の暗黙的診断記憶を動的に合成することにより,臨床医の呼び出しをシミュレートする潜在診断記憶進化の枠組みを提案する。 内因性パラメータに外部の専門知識を移すことで、診断精度において既存の最先端の手法、特にチェーン・オブ・シント・パラダイムを著しく上回ります。
  論文  参考訳（メタデータ） (2026-04-29T04:23:35Z)
• ClinicalAgents: Multi-Agent Orchestration for Clinical Decision Making with Dual-Memory [17.805771452487612]
  専門医の認知ワークフローをシミュレートする新しいマルチエージェントフレームワークであるCrysicalAgentsを紹介する。 厳密なシーケンシャルチェーンとは異なり、CricerAgentsはモンテカルロ木探索(MCTS)プロセスとしてモデル化された動的オーケストレーション機構を採用している。 これにより、Orchestratorは仮説を反復的に生成し、証拠を積極的に検証し、重要な情報が欠落した時にバックトラッキングをトリガーすることができる。
  論文  参考訳（メタデータ） (2026-03-27T08:52:19Z)
• 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)
• MetaMem: Evolving Meta-Memory for Knowledge Utilization through Self-Reflective Symbolic Optimization [57.17751568928966]
  自己進化型メタメモリでメモリシステムを拡張するフレームワークであるMetaMemを提案する。 メタメモリ最適化の間、MetaMemは異なるタスク間で伝達可能な知識利用経験を反復的に蒸留する。 大規模な実験ではMetaMemの有効性が示され、これは強いベースラインを3.6%以上上回っている。
  論文  参考訳（メタデータ） (2026-01-27T04:46:23Z)
• MemVerse: Multimodal Memory for Lifelong Learning Agents [35.218549149012844]
  我々は,モデルに依存しないプラグアンドプレイメモリフレームワークであるMemVerseを紹介した。 MemVerseは階層的検索ベースのメモリで高速パラメトリックリコールを行う。 スケーラブルで適応的なマルチモーダルインテリジェンスを実現する。
  論文  参考訳（メタデータ） (2025-12-03T10:06:14Z)
• How Memory Management Impacts LLM Agents: An Empirical Study of Experience-Following Behavior [65.70584076918679]
  メモリは、大きな言語モデル(LLM)ベースのエージェントにおいて重要なコンポーネントである。 本稿では,メモリ管理の選択がLLMエージェントの行動,特に長期的パフォーマンスに与える影響について検討する。
  論文  参考訳（メタデータ） (2025-05-21T22:35:01Z)
• Anytime Diagnosis for Reconfiguration [52.77024349608834]
  我々は、いつでも直接診断できるflexdiagを紹介し分析する。 特徴モデルの領域からの構成ベンチマークと自動車領域からの産業構成知識ベースを使用して、性能および診断品質に関するアルゴリズムを評価します。
  論文  参考訳（メタデータ） (2021-02-19T11:45:52Z)

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。