論文の概要: From Memory to Skills: Evidence-Grounded Co-Evolution Governance for Long-Horizon LLM Agents

• arxiv url: http://arxiv.org/abs/2607.16621v1
• Date: Sat, 18 Jul 2026 03:46:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.198979
• Title: From Memory to Skills: Evidence-Grounded Co-Evolution Governance for Long-Horizon LLM Agents
• Title（参考訳）: 記憶からスキルへ:長期LDMエージェントのためのエビデンスを包含した共進化ガバナンス
• Abstract要約: MSCEはエージェント体験を、基盤となるステップトレース、再利用可能な手続きポリシー、宣言的環境認知に整理する。 証拠に支えられたL2ポリシーを、証拠リンク、適用可能性境界、意思決定ガイダンス、検証ルール、信頼性推定を保持する呼び出し可能なスキルに肯定的なゲインで結晶化する。 EvoAgentBenchとLoCoMoの実験では、MSCEは最先端のスキル強化とメモリ駆動のエージェントベースラインを大きく上回っている。
• 参考スコア（独自算出の注目度）: 38.90736857557396
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing memory systems for long-horizon LLM agents often retrieve prior traces as passive context rather than converting them into executable capabilities. In this paper, we propose MSCE, a training-free Memory--Skill Co-Evolution framework that organizes agent experience into grounded step traces, reusable procedural policies, and declarative environmental cognition. MSCE crystallizes evidence-backed L2 policies with positive estimated gain into callable skills that retain evidence links, applicability boundaries, decision guidance, verification rules, and reliability estimates. It further introduces reflection-weighted value backfilling, which propagates sparse terminal feedback through dense local self-reflections to produce evidence-calibrated trace values for governing memory and skill evolution. Experiments on EvoAgentBench and LoCoMo demonstrate that MSCE significantly outperforms state-of-the-art skill-augmented and memory-driven agent baselines, exhibiting strong cross-domain transferability and lifelong-evolution capabilities.
• Abstract（参考訳）: 従来のLLMエージェントのメモリシステムでは、従来のトレースを実行可能な機能に変換するのではなく、受動的コンテキストとして取得することが多い。 本稿では,エージェント体験を基盤となるステップトレース,再利用可能な手続きポリシ,宣言的環境認識に整理する,学習不要なメモリスキル共進化フレームワークMSCEを提案する。 MSCEはエビデンスに支えられたL2ポリシーを、エビデンスリンク、適用可能性境界、意思決定ガイダンス、検証ルール、信頼性推定を保持する呼び出し可能なスキルに肯定的なゲインで結晶化する。 さらに、リフレクション重み付けされた値バックフィルを導入し、密集した局所的な自己反射を通してスパース端末フィードバックを伝播させ、メモリとスキルの進化を管理するためのエビデンス校正されたトレース値を生成する。 EvoAgentBenchとLoCoMoの実験では、MSCEは最先端のスキル強化とメモリ駆動のエージェントベースラインを著しく上回り、クロスドメイン転送性と生涯進化能力を示す。

関連論文リスト

• Learning What to Remember: Observability-Safe Memory Retention via Constrained Optimization for Long-Horizon Language Agents [16.193335398478386]
  ロングホライゾンの言語エージェントは、観測、トレースの推論、および検索された事実のウィンドウを蓄積する。 既存のシステムは、保持を局所的に扱い、可観測性制約の下での長期的な影響をモデル化しない。 我々は,オンライン・オブザーバブル機能とオフライン・アベイラビリティ・インスペクションの厳格な分離を強制する学習強化フレームワークOSL-MRを提案する。
  論文  参考訳（メタデータ） (2026-06-09T09:15:33Z)
• MemEvoBench: Benchmarking Memory MisEvolution in LLM Agents [78.95081012334116]
  永続メモリを持つ大規模言語モデル(LLM)は、相互作用の継続性とパーソナライゼーションを高めるが、新たな安全性リスクをもたらす。 汚染または偏りのある記憶蓄積は、異常な作用を引き起こす可能性がある。 MemeEvoBenchは、LLMエージェントのメモリ安全性を評価する最初のベンチマークである。
  論文  参考訳（メタデータ） (2026-04-17T07:29:52Z)
• TAME: A Trustworthy Test-Time Evolution of Agent Memory with Systematic Benchmarking [32.57514611558346]
  エージェントメモリのテスト時間進化は、AGIを達成するための重要なパラダイムである。 エージェントセーフティアライメントは、エージェントメモリミス進化(Agen Memory Misevolution)と呼ばれる現象に弱いままである。 本稿では,タスク性能を向上させるために,メモリを別途進化させるデュアルメモリ進化フレームワークであるTAMEを提案する。
  論文  参考訳（メタデータ） (2026-02-03T07:52:26Z)
• ProcMEM: Learning Reusable Procedural Memory from Experience via Non-Parametric PPO for LLM Agents [31.24386037416211]
  LLM駆動のエージェントは、繰り返し発生するシナリオにおいても、オンザフライの推論、再帰的なソリューションに依存していることが多い。 この経験の再利用が不十分なため、計算冗長性と実行不安定性が生じる。 本稿では,プロシージャメモリをパラメータ更新なしに対話体験から自律的に学習するフレームワークであるProcMEMを提案する。
  論文  参考訳（メタデータ） (2026-02-02T09:43:12Z)
• GLOVE: Global Verifier for LLM Memory-Environment Realignment [15.456830820378656]
  本稿では,相対的な真理の概念を確立することにより,大規模言語モデルメモリシステムの設計次元を新たに導入するフレームワークを提案する。 GLOVEは、地味な監督やモデルのイントロスペクションに強く依存することなく、メモリの検証と更新を行うことで、メモリ環境の調整を可能にする。 以上の結果から,GLOVEはエージェントの成功率を大幅に改善し,自己進化可能な認知エージェントへの堅牢な経路が示唆された。
  論文  参考訳（メタデータ） (2026-01-27T06:32:05Z)
• MemRL: Self-Evolving Agents via Runtime Reinforcement Learning on Episodic Memory [46.632646462295234]
  提案するMemRLは,非パラメトリック強化学習をエピソードメモリ上で行うことで,エージェントの自己進化を可能にするフレームワークである。 MemRLは、セマンティックな関連性によって候補をフィルタリングし、学習したQ値に基づいて候補を選択する2相検索機構を採用している。 解析実験により,MemRLは安定性・塑性ジレンマを効果的に調整し,重み付けを伴わずに連続的なランタイム改善を可能にすることを確認した。
  論文  参考訳（メタデータ） (2026-01-06T17:14:50Z)
• Evo-Memory: Benchmarking LLM Agent Test-time Learning with Self-Evolving Memory [89.65731902036669]
  Evo-Memoryは、大規模言語モデル(LLM)エージェントで自己進化型メモリを評価するための、ストリーミングベンチマークとフレームワークである。 10以上の代表的なメモリモジュールを評価し、10種類の多ターンゴール指向およびシングルターン推論およびQAデータセットで評価した。
  論文  参考訳（メタデータ） (2025-11-25T21:08:07Z)
• Meta-Policy Reflexion: Reusable Reflective Memory and Rule Admissibility for Resource-Efficient LLM Agent [6.300669721057781]
  メタ・ポリシィ・リフレクション(Meta-Policy Reflexion, MPR)は、LCM生成したリフレクションを構造化された述語型メタ・ポリシィ・メモリ(MPM)に集約するフレームワークである。 MPRはモデルウェイト更新なしで再利用可能な修正知識を外部化し、安全でないアクションや無効なアクションを減らすためにドメイン制約を強制し、言語ベースのリフレクションの適応性を維持する。 供給材料に報告された実証結果は, 反射ベースラインと比較して, 実行精度とロバスト性が一貫した向上を示し, 規則許容性は安定性をさらに向上させる。
  論文  参考訳（メタデータ） (2025-09-04T08:18:39Z)
• 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)
• ParamMute: Suppressing Knowledge-Critical FFNs for Faithful Retrieval-Augmented Generation [91.20492150248106]
  本研究では,不誠実な生成の背後にある内部メカニズムを解明し,不均等に活性化される中深度フィードフォワードネットワーク(FFN)のサブセットを同定する。 本研究では,不信感関連FFNの活性化を抑制することにより,文脈的忠実度を向上させるフレームワークであるParametric Knowledge Mutingを提案する。 実験結果から,ParamMuteはCoFaithfulQAと確立されたConFiQAベンチマークの両方の信頼度を大幅に向上し,パラメトリックメモリへの依存度を大幅に低下させることが示された。
  論文  参考訳（メタデータ） (2025-02-21T15:50:41Z)
• TRACE: TRansformer-based Attribution using Contrastive Embeddings in LLMs [50.259001311894295]
  TRACE と呼ばれるコントラスト埋め込みを用いた新しいTRansformer-based Attribution フレームワークを提案する。 TRACEは情報源の属性を精度良く改善し,大規模言語モデルの信頼性と信頼性を高める貴重なツールであることを示す。
  論文  参考訳（メタデータ） (2024-07-06T07:19:30Z)

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。