論文の概要: MutMem: Cryptographically Authorized Mutation in Persistent Agent Memory

• arxiv url: http://arxiv.org/abs/2608.02843v1
• Date: Mon, 03 Aug 2026 19:58:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:22.939487
• Title: MutMem: Cryptographically Authorized Mutation in Persistent Agent Memory
• Title（参考訳）: MutMem: 永続化エージェントメモリにおける暗号化的に認可されたミューテーション
• Abstract要約: 我々は、永続的なエージェントメモリエンジンにおける許可された変更プロトコルであるMutMemを紹介する。 MutMemは、年齢ベースの有効期限なしで、メモリの内容、署名された正および負の結果の証拠を保持できる。 有用性、突然変異の完全性、および中毒適応を評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Persistent agent memory must adapt as later outcomes change earlier evidence, yet mutable retrieval weights create an attribution problem: reviewers must distinguish authorized adaptation from database tampering. We present MutMem, an authorized-mutation protocol in HOM-AIMOS, a persistent agent-memory engine. MutMem retains memory content, records signed positive and negative outcome evidence without age-based expiry, and commits each nontrivial weight change as a housekeeper-authorized transition. Each transition binds a terminal provenance node, signer epoch, quantized old and new weights, a no-fork predecessor, and two domain-separated SHA-256 commitments. Ed25519 verification runs in both the database writer and a portable verifier. Content classified as poison-likely is retained with signed, revisable labels used by recall as trust evidence. We evaluate utility, mutation integrity, and poisoning adaptation. HOM-AIMOS answers 459/500 LongMemEval questions correctly under LLM judgment (91.8%). On LoCoMo, it obtains 74.12% judged accuracy and, under a separate upstream-compatible protocol, 58.20 token F1. A native suite passes all declared authorization, topology, tamper, signer-epoch, and post-mutation-recall cases; median signed-transition latency is 4.865 ms. In a declared N=100 PoisonedRAG adaptation, no injected poison appears in attacked top-5 disclosures (0/100; 95% Wilson upper bound 3.70%), while induced target-answer attack success among 98 clean-negative targets is 1/98 (1.02%). A preregistered four-arm ablation attributes the retrieval reduction to signed stored labels: the retriever selects poison for 94/100 targets when epistemic policy is bypassed and 0/100 when labels are restored. MutMem provides evidence of integrity, authorization, traceability, and historical continuity; it does not establish content truth.
• Abstract（参考訳）: 永続的エージェント記憶は、後続の結果が以前の証拠を変えるにつれて適応しなければならないが、変更可能な検索重み付けは帰属問題を引き起こす: レビュー者はデータベースの改ざんから承認された適応を区別しなければならない。 本稿では,永続的なエージェントメモリエンジンであるHOM-AIMOSにおけるMutMemについて述べる。 MutMemは、メモリの内容を保持し、年齢ベースの有効期限なしで、署名された陽性および負の結果の証拠を記録し、ハウスキーパーが認可した遷移として、各非自明な重量変化をコミットする。 各遷移は、終端前駆ノード、シグナエポック、量子化された古い重みと新しい重み、非フォーク前駆体、2つのドメイン分離されたSHA-256コミットメントを結合する。 Ed25519検証はデータベースライタとポータブル検証器の両方で動作する。 毒物として分類されたコンテンツは、信頼できる証拠としてリコールによって使用される、署名された変更可能なラベルで保持される。 有用性、突然変異の完全性、および中毒適応を評価した。 HOM-AIMOS は LLM 判決 (91.8%) の下で 459/500 LongMemEval の質問に正解する。 LoCoMoでは74.12%の精度と、別のアップストリーム互換プロトコルである58.20トークンF1を得る。 宣言されたN=100 PoisonedRAG適応では、攻撃されたトップ5の開示(0/100; 95% Wilson upperbound 3.70%)に注射された毒は現れないが、98のクリーン負のターゲットで誘導されたターゲット・アンサー攻撃の成功は1/98 (1.02%)である。 登録済みの4本腕アブレーションは、登録された記憶されたラベルに対して、登録済みの4本腕アブレーションを属性とし、レトリバーは、てんかんポリシーがバイパスされたときに94/100ターゲットの毒を、ラベルが復元されたときには0/100を選択する。 MutMemは、完全性、認可、トレーサビリティ、そして歴史的連続性の証拠を提供する。

関連論文リスト

• AI-Assisted Design of a Post-Quantum Cryptographic Accelerator: A Deployed-Silicon Case Study [0.4251773265892765]
  我々は、標準の受け入れゲートを、事実上のゴールデンレファレンスオラクルに置き換える。 エージェント型大規模言語モデルがML-KEM-768とML-DSA-65アクセラレータを駆動する実験を232回報告した。
  論文  参考訳（メタデータ） (2026-09-03T16:34:50Z)
• MutMem-V2: Cryptographically Authorized Mutation in Persistent Agent Memory Portable Verification and Reproducible Evidence [0.0]
  MutMem V2は、永続的なエージェントメモリのための暗号的に認可された突然変異である。 意味的真理、普遍的堅牢性、独立した複製を確立しない。
  論文  参考訳（メタデータ） (2026-09-01T13:34:44Z)
• Hindsight Memory-PRM: Supervising Memory Management with Auditable Hindsight Credit [48.811961095386]
  Hindsight Memory-PRMはこの監査パスを2回利用します。 オフラインで操作条件付きメモリユーティリティの批判をトレーニングする。 オンラインでは、検索、引用、および1つの制御された削除と再回答が、介入校正されたエントリーレベルのプレゼンスクレジットを確定する。
  論文  参考訳（メタデータ） (2026-08-30T06:53:13Z)
• Turning Interaction History into Execution State: A Runtime Layer for Long-Horizon Coding Agents [48.967927222079965]
  Ledgerは、エージェントの完了したインタラクションを明示的な実行状態に蒸留するランタイム層である。 Ledgerはこの状態をオンライン実行台帳に保持し、各ステップの2つのバウンダリに適用される。 500のSWE-bench検証インスタンス全体で、LedgerはPass@1を56.2%から64.2%に、GPT-5 miniを75.8%から81.0%に、MiniMax M2.5を81.0%に引き上げている。
  論文  参考訳（メタデータ） (2026-08-01T18:25:00Z)
• DarwinX: Evolving Agent Harnesses Through Natural Selection [48.64258219266629]
  ダーウィンXは自己進化を、モデルが凍結されたハーネスの集団の選択として扱う。 一般的なエージェント能力はベンチマーク固有のパッチではなく、タスク、検証、ベースモデルの変更を生き残る。
  論文  参考訳（メタデータ） (2026-07-31T05:34:02Z)
• Keep It InMind: Benchmarking the Implicit-Association Blind Spot in Agent Memory [32.094723684433895]
  長期記憶システムは、ユーザが外部ストアで言ったことを格納し、関連するクエリが到着したときにそれを検索する。 このインターフェースは、非常に自然な仮定に基づいており、滅多に述べられません:必要なメモリは、それを必要とするクエリに似ているでしょう。 この障害モードを暗黙の連想盲点と呼び、10つの生命ドメインにまたがるベンチマークであるInMindを紹介します。
  論文  参考訳（メタデータ） (2026-07-27T12:42:12Z)
• MemTX: Transactional Belief Commit for Stateful Agent Memory [11.31806112920862]
  LLMエージェントは、永続的な共有メモリを介してコーディネートする。 現在のエージェントメモリシステムは、受け入れられたすべての書き込みを直ちに実行可能な真実として扱う。 本稿では,MemTXについて述べる。
  論文  参考訳（メタデータ） (2026-07-27T01:57:39Z)
• Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
  AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。 コードには手書きのコードはなく、人間による注釈もない。 エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
  論文  参考訳（メタデータ） (2026-07-17T17:41:16Z)
• When Claws Remember but Do Not Tell: Stealthy Memory Injection in Persistent Personal Agents [55.87577638514179]
  我々は、リモートのブラックボックスが1つのメールペイロードを送信し、エージェントに有毒なメモリを誘導しなければならない、ステルスメモリインジェクションとして脅威を調査する。 我々は,ワンショットペイロード生成フレームワークであるMemGhostを提案する。 56のテストケースで、MemGhostはGPT-5.4でOpenClawで87.5%、Sonnet 4.6でClaude Code SDKで71.4%を達成している。
  論文  参考訳（メタデータ） (2026-07-06T15:08:58Z)
• AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents [34.450981549319266]
  長期 LLM エージェントの記憶は、将来の決定が何を見るかに関する契約である。 すべての決定は、型付き検索によって組み立てられた新鮮なユーザメッセージからなされます。 Slay the Spire 2はクローズドルールのデッキビルディングゲームだ。
  論文  参考訳（メタデータ） (2026-07-02T14:44:32Z)
• Getting Better at Working With You: Compiling User Corrections into Runtime Enforcement for Coding Agents [99.67681154381803]
  Test-time Rule Acquisition and Compiled Enforcement (TRACE)は、コーディングエージェントランタイムのためのスキル層パイプラインである。 開発者が事前に記述した実行時チェックとは異なり、TRACEスキルはユーザのチャット修正に由来する。
  論文  参考訳（メタデータ） (2026-06-11T10:43:40Z)
• SMSR: Certified Defence Against Runtime Memory Poisoning in Persistent LLM Agent Systems [3.0458514384586404]
  Retrieval-augmented Generation (RAG)エージェントは、ユーザセッションにまたがって蓄積される永続メモリでますます動作します。 通常のチャンネルを通してのみ対話する相手は、一度取り出した後、エージェントの応答を将来のユーザのために制御する、巧妙な記憶を注入することができる。 このマルチセッションメモリ・ポジショニング(Multi-Session Memory Poisoning, MMP)と呼び、既存の防衛認証がそれに反対していないことを示す。 本報告では,Smoothed Retrievalを用いたSigned Memory(SMSR)について述べる。
  論文  参考訳（メタデータ） (2026-06-10T21:45:52Z)
• Hierarchical Certified Semantic Commitment for Byzantine-Resilient LLM-Agent Collaboration [30.310793549183117]
  本稿では,BFTにインスパイアされたプロトコルH-CSC(Hierarchical Certified Semantic Commitment)を紹介する。 H-CSCはBFT対応バケット(0.31から2.04度)に低角偏差でコミットし、意図したようにBFTを超えるラウンド(n3f+1)の100%を中止する。
  論文  参考訳（メタデータ） (2026-06-05T14:35:58Z)
• MemMark: State-Evolution Attribution Watermarking for Agent Long-Term Memory Systems [13.133650395551507]
  メモリベースのエージェントは、リークされたスナップショットや移行されたスナップショットを生き残るための証明を必要とする。 MemMarkは、オーナー制御シグナルを潜在メモリ書き込み決定に埋め込む。 MemMarkは、生き残ったトレース、信頼できるメタデータ、ユーティリティ劣化のない長期的なエージェントメモリで実現可能である。
  論文  参考訳（メタデータ） (2026-05-24T11:04:35Z)
• MOSS: Self-Evolution through Source-Level Rewriting in Autonomous Agent Systems [36.221246203666745]
  MOSSは、生産エージェント基板上でソースレベルで自己書き換えを行うシステムである。 平均成績は0.25から0.61に上昇し、人間の介入なしに1サイクルで上昇する。
  論文  参考訳（メタデータ） (2026-05-21T17:48:33Z)
• The Misattribution Gap: When Memory Poisoning Looks Like Model Failure in Agentic AI Systems [1.0262304700896199]
  EmphSemantic Norm Drift (SND) をエージェント不正行為の第3の経路として定式化する。 SNDでは、ポリシーフォーマットの文書が通常のアップロードを通じて共有ベクターストアに入り、その後、信頼されたシステムコンテキストとして再現れる。 偽合成検査は87.5%の精度と偽陽性のゼロの因果関係を識別する。
  論文  参考訳（メタデータ） (2026-05-12T20:21:47Z)
• InfMem: Learning System-2 Memory Control for Long-Context Agent [43.413381779578266]
  InfMemは、PreThink-Retrieve-Writeプロトコルを介してSystem-2スタイルの制御をインスタンス化する制御中心のエージェントである。 32kから100Mまでの超長期のQAベンチマークでは、InfMemはバックボーン全体でMemAgentを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-02T19:15:08Z)

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。