論文の概要: CMI-Mem: Toward Generalizable Long-Term Memory Management via CMI-Augmented Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2607.20553v1
- Date: Wed, 15 Jul 2026 13:40:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.163522
- Title: CMI-Mem: Toward Generalizable Long-Term Memory Management via CMI-Augmented Reinforcement Learning
- Title（参考訳）: CMI-Mem: CMI強化学習による長期記憶の汎用化に向けて
- Abstract要約: 本稿では,強化学習に基づく軽量メモリマネージャモデルであるbfCMI-Memを提案する。
CMIは、サンプルQAクエリを条件付けすることなく、現在のメモリ状態に対して新しい会話入力によって提供された情報を評価する。
- 参考スコア（独自算出の注目度）: 21.596188351314748
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Memory Manager models are pivotal in agent systems. Existing methods rely predominantly on LLM-judged synthetic question-answer (QA) pairs, making memory valuation dependent on sampled queries and the downstream reader. To address this limitation, we propose \textbf{CMI-Mem}, a reinforcement learning(RL)-based lightweight memory manager model with a hybrid reward that combines downstream QA correctness and intrinsic Conditional Mutual Information (CMI). CMI evaluates the information contributed by new conversational inputs relative to the current memory state without conditioning on a sampled QA query, thereby complementing rather than replacing QA grounding. Our codes are available at: https://github.com/Wyb0627/CMIMem , and the CMI-Mem-4B model checkpoint is available at: https://www.modelscope.cn/models/wyb0627/CMIMem-4B
- Abstract（参考訳）: メモリマネージャモデルはエージェントシステムにおいて重要な要素である。
既存の手法はLLM-judged synthetic question-answer (QA) ペアに大きく依存しており、メモリのバリュエーションはサンプルクエリとダウンストリームリーダーに依存している。
この制限に対処するために、下流QAの正しさと固有条件相互情報(CMI)を組み合わせた強化学習(RL)に基づく軽量メモリマネージャモデルである \textbf{CMI-Mem} を提案する。
CMIは、サンプルQAクエリを条件付けすることなく、現在のメモリ状態に対する新たな会話入力によって提供された情報を評価し、QAグラウンドを置き換えるのではなく補完する。
https://github.com/Wyb0627/CMIMem と CMI-Mem-4B モデルチェックポイントは https://www.modelscope.cn/models/wyb0627/CMIMem-4B で利用可能です。
関連論文リスト
- Dual-Grained Agent Memory and Shapley Context Attribution for Multimodal Agentic Learner [55.80248281761638]
マルチモーダルな大言語モデル (MLLM) は、科学的および数学的推論において、印象的な認識を提供する。
本稿では,DG-Memを提案する。DG-Memは,トレーニングタイムのロールアウトから一度構築した外部記憶メモリと,テスト時に読み取り専用に相談することで,凍結したMLLMを拡張可能なエージェントメモリフレームワークである。
論文 参考訳（メタデータ） (2026-08-24T13:56:01Z) - 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) - MeMo: Memory as a Model [96.54179792557863]
大規模言語モデル(LLM)は、幅広いタスクにわたって強力なパフォーマンスを達成するが、その後の更新まで事前訓練後に凍結される。
MeMoは、LLMパラメータを変更せずに、新しい知識を専用のメモリモデルにエンコードするモジュラーフレームワークである。
MeMoは、さまざまな設定にまたがる既存のメソッドと比較して、強力なパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-05-14T17:51:34Z) - MemQ: Integrating Q-Learning into Self-Evolving Memory Agents over Provenance DAGs [47.66730296440261]
我々は,新たなメモリが生成されるたびに記憶が取得されたことを記録した証明DAGを通じて,クレジットを後方に伝播するMemQを紹介した。
6つのベンチマークで、MemQは、一般化評価とランタイム学習の6つすべてで最高成功率を達成した。
さらに、$と$がEC-MDP構造とどのように相互作用するかを研究し、パラメータ選択と将来の研究の原則的なガイダンスを提供する。
論文 参考訳（メタデータ） (2026-05-08T18:30:24Z) - MemReranker: Reasoning-Aware Reranking for Agent Memory Retrieval [37.54115468116941]
本報告では,Qwen3-Reranker を用いた多段 LLM 知識蒸留によるリグレードモデルファミリ MemReranker (0.6B/4B) について紹介する。
メモリ検索ベンチマークでは、MemReranker-0.6BはBGE-Rerankerを大きく上回り、オープンソースの4B/8BモデルとGPT-4o-miniをキーメトリクスでマッチングする。
MemReranker-4B はさらに 0.737 MAP を達成し、Gemini-3-Flash と同等のメトリクスを持つ一方で、推論遅延を10-20%の大型モデルで維持している。
論文 参考訳（メタデータ） (2026-05-07T12:33:57Z) - HiGMem: A Hierarchical and LLM-Guided Memory System for Long-Term Conversational Agents [9.454943641700392]
HiGMemは2段階のイベントターンメモリシステムで、イベントサマリーをセマンティックアンカーとして使用して、どのターンが読む価値があるかを予測している。
LoCoMo10ベンチマークでは、HiGMemは5つの質問カテゴリのうち4つで最高のF1を達成し、A-Memよりも逆F1を0.54から0.78に改善した。
論文 参考訳（メタデータ） (2026-04-20T14:44:12Z) - Memory Centric Power Allocation for Multi-Agent Embodied Question Answering [49.3249799261475]
マルチエージェントの具体的質問応答(MA-EQA)は、ロボットチームに対して、長い視野で見たものを問うことを目的としている。
このパラダイムシフトに対処するために、生成逆検(GAE)に基づく品質記憶モデル(QoM)を提案する。
次に,通信資源制約下でQoM関数を最大化するメモリ中心電力割り当て(MCPA)を提案する。
論文 参考訳（メタデータ） (2026-04-20T05:08:53Z) - D-Mem: A Dual-Process Memory System for LLM Agents [3.5426740232689604]
本稿では,デュアルプロセスメモリシステムD-Memを紹介する。
ルーチンクエリに対する軽量なベクトル検索を維持しながら、フルリベレーションモジュールを高忠実度フォールバックとして確立している。
GPT-4o-miniとQwen3-235B-Instructを用いたLoCoMoとRealTalkのベンチマーク実験により,本手法の有効性が示された。
論文 参考訳（メタデータ） (2026-03-19T08:55:22Z) - Rethinking Memory in AI: Taxonomy, Operations, Topics, and Future Directions [55.19217798774033]
メモリは、大規模言語モデル(LLM)ベースのエージェントを支える、AIシステムの基本コンポーネントである。
本稿ではまず,メモリ表現をパラメトリックおよびコンテキスト形式に分類する。
次に、コンソリデーション、更新、インデックス付け、フォッティング、検索、圧縮の6つの基本的なメモリ操作を紹介します。
論文 参考訳（メタデータ） (2025-05-01T17:31:33Z)
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。