論文の概要: MemWM: Memory-Augmented Text-Based World Model

• arxiv url: http://arxiv.org/abs/2608.07107v1
• Date: Fri, 07 Aug 2026 11:03:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.479944
• Title: MemWM: Memory-Augmented Text-Based World Model
• Title（参考訳）: MemWM: メモリ拡張テキストベース世界モデル
• Abstract要約: 本稿ではメモリ拡張テキストベースの世界モデルであるMemWMを紹介する。 MemWMは、世界メモリ、トランジションルール、状態キャッシュ、予測しにくい事実のキュレートされたメモリバンクを使用する。 本研究では, 予測状態のスコア付けを行う構造化状態忠実度 (Structured State Fidelity, SSF) を用いて, 評価を行う。 完全な計画環境では、政策モデルを凍結させ、タスクレベルのスキルを回収し、アクション選択のための段階的な修正ガイダンスを提供する。
• 参考スコア（独自算出の注目度）: 49.654556986087535
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World models are increasingly used to support planning in agents by predicting how environment states evolve in response to agent actions. Yet fluent next-state predictions can still omit task-critical facts, corrupt product attributes, or apply incorrect transition rules. To address such systematic prediction errors, we introduce MemWM, a memory-augmented text-based world model. MemWM uses world memory, a curated memory bank of transition rules, state caches, and hard-to-predict facts, to condition next-state imagination. We evaluate factual state preservation with Structured State Fidelity (SSF), which scores predicted states through benchmark-specific facts and fields. Compared with SFT, memory-augmented training improves SSF by up to 206.3%. In the full planning setting, we keep the policy model frozen and provide policy-side world skill: retrieved task-level skills and step-wise corrective guidance for action selection. Across ALFWorld, WebShop, and ScienceWorld, memory-augmented agents improve downstream success over an SFT-trained world-model agent, with up to a 65.4% relative gain. Sensitivity analyses further show that retrieved memory improves task success and efficiency under different memory and action-budget settings.
• Abstract（参考訳）: 世界モデルは、エージェントのアクションに反応して環境状態がどのように進化するかを予測することによって、エージェントの計画を支援するためにますます使われています。 しかし、流動的な次世代の予測は、タスククリティカルな事実を省略したり、製品属性を破損させたり、誤った遷移ルールを適用したりすることができる。 このような体系的な予測誤差に対処するために,メモリ拡張テキストベースの世界モデルであるMemWMを導入する。 MemWMは、トランジションルール、状態キャッシュ、予測しにくい事実のキュレートされたメモリバンクであるワールドメモリを使って、次の状態のイマジネーションを条件付けている。 本研究では, 予測状態のスコア付けを行う構造化状態忠実度 (Structured State Fidelity, SSF) を用いて, 評価を行う。 SFTと比較して、メモリ拡張トレーニングはSSFを最大206.3%改善する。 完全な計画環境では、政策モデルを凍結させ、タスクレベルのスキルを回収し、アクション選択のための段階的な修正ガイダンスを提供する。 ALFWorld、WebShop、ScienceWorld全体では、メモリ増強されたエージェントは、SFTで訓練されたワールドモデルエージェントよりもダウンストリームの成功を向上し、65.4%の相対的な利益を得た。 感度分析により、検索したメモリは、異なるメモリおよびアクション予算設定下でのタスクの成功と効率を改善することが示された。

関連論文リスト

• Towards Evolving Context Parameterization for Large Language Models [13.314849988154707]
  PLUMEは、グローバルな更新表現を構築し、メモリエビデンスを活性化してローカルパラメータビューを形成する、トレーニング不要の手法である。 PLUMEの有効性は, 平均ROUGE-Lリコールでは29.9%, LLM-as-a-Judgeでは54.9%であった。
  論文  参考訳（メタデータ） (2026-09-12T21:55:33Z)
• Mimir: A Neuro-Symbolic Memory System with Dynamic Grounding for Embodied Agents in Interactive Environments [15.524473346555395]
  ロングホライゾン・エンボディド・タスクでは、エージェントは部分的な観察可能性の下で行動し、シーンの信念と実行の進捗を保ちながら行動する必要がある。 タスクメモリからワールドメモリを分離し,各アクションの前に動的に記憶する,ニューロシンボリックメモリであるMimirを紹介する。 試験されたバックボーン全体で、ミミルはEB-ALFREDとEB-Habitatのタスクを常に改善し、最大利得は42.5%、平均利得は23.0%である。
  論文  参考訳（メタデータ） (2026-08-05T14:57:24Z)
• Self-Evolving World Models for LLM Agent Planning [72.99782619992361]
  我々はWorldEvolverを紹介した。WorldEvolverは、ダウンストリームエージェントとすべてのモデルパラメータを凍結したまま、デプロイメント時間コンテキストを更新する自己進化型ワールドモデルフレームワークである。 WorldEvolverは3つのバックボーンで最高の予測精度を達成し、下流エージェントの成功率で他のワールドモデルベースラインを導く。
  論文  参考訳（メタデータ） (2026-06-29T17:58:43Z)
• STAMP: Training Explicit Memory for Mobile GUI Agents in Controllable and Scalable Virtual Environments [63.39393178045112]
  モバイルエージェントは即座に反応制御を行うが、メモリを必要とする現実的なロングホライゾンタスクでは頻繁に失敗する。 制御可能な仮想環境を通じて,モバイルエージェントの明示的なメモリをトレーニングするフレームワークSTAMPを提案する。 結果のStampGUIエージェントは、メモリワールドベンチマークに新たなハイウォーターマークを設定し、例外的なメモリ精度とタスクレジリエンスを実証します。
  論文  参考訳（メタデータ） (2026-05-28T04:00:13Z)
• Learning How and What to Memorize: Cognition-Inspired Two-Stage Optimization for Evolving Memory [53.8372503928207]
  大規模言語モデル(LLM)エージェントは、一貫したパーソナライゼーションのために長期のユーザメモリを必要とする。 既存のメモリシステムは、主に静的で手作りの更新ルールに依存している。 MemCoEは認知にインスパイアされた2段階最適化フレームワークで、どのようにメモリを整理し、どの情報を更新すべきかを学ぶ。
  論文  参考訳（メタデータ） (2026-05-01T14:45:20Z)
• Beyond State Consistency: Behavior Consistency in Text-Based World Models [58.216587360435305]
  本研究では,世界モデルと実環境の機能的整合性を改善することを目的とした,行動整合性トレーニングパラダイムを提案する。 WebShopとTextWorldの実験では、BehRベースのトレーニングによって、いくつかの設定における長期的なアライメントが改善されている。
  論文  参考訳（メタデータ） (2026-04-15T12:56:45Z)
• MAGNET: Towards Adaptive GUI Agents with Memory-Driven Knowledge Evolution [44.92687597179025]
  大きなファンデーションモデルを利用したモバイルエージェントは、自律的なタスク実行を可能にするが、頻繁な更新によって、過去のデータでトレーニングされたエージェントが失敗する。 本稿では、メモリ駆動型適応エージェントフレームワークであるMAGNETを紹介する。 オンラインベンチマーク AndroidWorldの評価では、ベースラインよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2026-01-27T04:58:48Z)
• Memp: Exploring Agent Procedural Memory [72.41472703974935]
  LLM(Large Language Models)ベースのエージェントは様々なタスクをこなすが、静的パラメータで手動で設計または絡み合うような不安定なプロシージャメモリに悩まされる。 本稿では,過去のエージェントの軌跡をステップバイステップの細粒度と高レベルなスクリプトライクな抽象化の両方に蒸留するMempを提案する。 メモリレポジトリが洗練されるにつれて、エージェントは着実に高い成功率と類似タスクの効率を達成できることを示す。
  論文  参考訳（メタデータ） (2025-08-08T16:20:56Z)
• Think Before You Act: Decision Transformers with Working Memory [44.18926449252084]
  決定変換器に基づく意思決定エージェントは、複数のタスクにまたがる一般化能力を示している。 この非効率性は、モデルがトレーニングを通してパラメータの振る舞いを記憶する忘れ現象に起因していると我々は主張する。 ダウンストリームタスクの情報を格納、ブレンド、検索するためのワーキングメモリモジュールを提案する。
  論文  参考訳（メタデータ） (2023-05-24T01:20:22Z)

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。