論文の概要: MemTools: A Unified Research Framework for Interoperable Agent Memory
- arxiv url: http://arxiv.org/abs/2607.21404v1
- Date: Thu, 23 Jul 2026 15:04:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.450039
- Title: MemTools: A Unified Research Framework for Interoperable Agent Memory
- Title（参考訳）: MemTools: 相互運用可能なエージェントメモリのための統一された研究フレームワーク
- Abstract要約: 私たちは、メモリシステムコンポーネントを基盤となるデプロイメント環境から分離する相互運用性研究フレームワークであるMemToolsを紹介します。
MemToolsは宣言的なデータコントラクトを通じてメモリライフサイクルを標準化し、異なるシステム間でコンポーネントの交換可能なアセンブリを可能にする。
MemToolsは、共有ランタイム内でシンボリック、ニューラル、マルチモーダルメモリ表現をコーディネートするための統一された計算インターフェースを提供する。
- 参考スコア（独自算出の注目度）: 35.007598094076485
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While memory systems are essential for agent architectures, pervasive architectural fragmentation restricts systematic research. Existing implementations typically couple different stages of the memory lifecycle, entangle evaluation logic with specific datasets, and provide limited support for the management of heterogeneous memory types. We introduce MemTools, an interoperability research framework that decouples memory system components from their underlying deployment environments. MemTools standardizes the memory lifecycle through declarative data contracts, enabling the interchangeable assembly of components across different systems. It orthogonally separates benchmark datasets from execution protocols to facilitate controlled assessments. Furthermore, MemTools provides a unified computational interface for coordinating symbolic, neural, and multimodal memory representations within a shared runtime. Empirical evaluations on cross-system component integration, evaluation protocol reconfiguration, and heterogeneous memory coordination demonstrate that MemTools enables systematic isolation and analysis of memory design variables. These findings suggest that MemTools provides a practical and extensible infrastructure for advancing principled research on agent memory.
- Abstract（参考訳）: メモリシステムはエージェントアーキテクチャに必須であるが、広く普及するアーキテクチャの断片化は体系的な研究を制限する。
既存の実装は通常、メモリライフサイクルの異なる段階、特定のデータセットとの絡み合い評価ロジック、異種メモリタイプの管理に対する限定的なサポートを提供する。
私たちは、メモリシステムコンポーネントを基盤となるデプロイメント環境から分離する相互運用性研究フレームワークであるMemToolsを紹介します。
MemToolsは宣言的なデータコントラクトを通じてメモリライフサイクルを標準化し、異なるシステム間でコンポーネントの交換可能なアセンブリを可能にする。
これは、制御されたアセスメントを容易にするために、ベンチマークデータセットを実行プロトコルから直交的に分離する。
さらに、MemToolsは共有ランタイム内でシンボリック、ニューラル、マルチモーダルメモリ表現をコーディネートするための統一された計算インターフェースを提供する。
クロスシステムコンポーネントの統合、評価プロトコル再構成、異種メモリ調整に関する実証的な評価は、MemToolsがメモリ設計変数の系統的分離と解析を可能にすることを示した。
これらの結果から,MemToolsはエージェントメモリの原理研究を進める上で,実用的で拡張可能な基盤となることが示唆された。
関連論文リスト
- MemLens: A Value-Aware Memory Management System with Interactive Analytics for LLM-based Agents [37.58098373690933]
本稿では,メモリレコードを第一級データオブジェクトとして扱うメモリ管理システムであるMemLensを紹介する。
MemLensは、完全なメモリライフサイクルを公開するエンドツーエンドのインタラクティブ分析ダッシュボードを提供する。
論文 参考訳（メタデータ） (2026-07-28T17:08:56Z) - Are We Ready For An Agent-Native Memory System? [37.760278978612874]
大規模言語モデル(LLM)エージェントのメモリは、単純な検索拡張機構からデータ管理システムへと進化してきた。
既存の評価は、主にエンドツーエンドのタスク成功メトリクスを通じてエージェントメモリをベンチマークする。
データ管理の観点からエージェントメモリの系統的研究を行った。
論文 参考訳（メタデータ） (2026-06-23T16:34:55Z) - MemCog: From Memory-as-Tool to Memory-as-Cognition in Conversational Agents [16.587587215932526]
本稿では,メモリアクセスを推論プロセスの不可欠な部分とするメモリ・アズ・認知システムを提案する。
MemCogはユーザ知識をNavigable Memory Storeとしてアソシエーションリンクグラフで整理する。
また,プロアクティブメモリトリガ評価のための最初のベンチマークであるProactiveMemBenchを構築した。
論文 参考訳（メタデータ） (2026-05-27T06:48:33Z) - AMemGym: Interactive Memory Benchmarking for Assistants in Long-Horizon Conversations [61.6579785305668]
AMemGymは、メモリ駆動型パーソナライゼーションのためのオンライン評価と最適化を可能にする対話型環境である。
我々のフレームワークは、対話エージェントのメモリ能力を向上するためのスケーラブルで診断に富んだ環境を提供する。
論文 参考訳（メタデータ） (2026-03-02T15:15:11Z) - RMBench: Memory-Dependent Robotic Manipulation Benchmark with Insights into Policy Design [77.30163153176954]
RMBenchは、メモリの複雑さの複数のレベルにまたがる9つの操作タスクからなるシミュレーションベンチマークである。
Mem-0は、制御アブレーション研究をサポートするために設計された明示的なメモリコンポーネントを備えたモジュラー操作ポリシーである。
既存のポリシにおけるメモリ関連の制限を特定し、アーキテクチャ設計の選択がメモリパフォーマンスに与える影響に関する実証的な洞察を提供する。
論文 参考訳（メタデータ） (2026-03-01T18:59:59Z) - Neuromem: A Granular Decomposition of the Streaming Lifecycle in External Memory for LLMs [31.958776309037546]
我々は、インターリーブされた挿入・検索プロトコルの下で外部メモリモジュールをベンチマークするスケーラブルなテストベッドであるNeuromemを紹介する。
メモリが丸ごと増大するにつれて、パフォーマンスは一般的に低下し、時間関連のクエリは依然として最も難しいカテゴリです。
論文 参考訳（メタデータ） (2026-02-15T02:53:37Z) - Graph-based Agent Memory: Taxonomy, Techniques, and Applications [63.70340159016138]
メモリはLarge Language Model(LLM)ベースのエージェントの中核モジュールとして出現する。
さまざまなパラダイムの中でグラフは、関係依存をモデル化する本質的な能力のため、エージェントメモリの強力な構造として際立っている。
本調査では, エージェントメモリの総合的な検討について, グラフベースの観点から述べる。
論文 参考訳（メタデータ） (2026-02-05T13:49:05Z) - The AI Hippocampus: How Far are We From Human Memory? [77.04745635827278]
インプリシットメモリは、事前訓練されたトランスフォーマーの内部パラメータに埋め込まれた知識を指す。
明示メモリは、動的でクエリ可能な知識表現でモデル出力を増大させるように設計された外部ストレージと検索コンポーネントを含んでいる。
エージェントメモリは、自律エージェント内に永続的、時間的に拡張されたメモリ構造を導入する。
論文 参考訳（メタデータ） (2026-01-14T03:24:08Z) - MemRec: Collaborative Memory-Augmented Agentic Recommender System [57.548438733740504]
我々はメモリ管理から推論をアーキテクチャ的に分離するフレームワークであるMemRecを提案する。
MemRecは動的コラボレーティブメモリグラフを管理する専用のLM_Memを導入した。
4つのベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-01-13T18:51:16Z) - MemOS: A Memory OS for AI System [116.87568350346537]
大規模言語モデル(LLM)は、人工知能(AGI)にとって不可欠な基盤となっている。
既存のモデルは、主に静的パラメータと短命なコンテキスト状態に依存しており、ユーザの好みを追跡したり、長い期間にわたって知識を更新する能力を制限する。
MemOSはメモリを管理可能なシステムリソースとして扱うメモリオペレーティングシステムである。
論文 参考訳（メタデータ） (2025-07-04T17:21:46Z)
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。