論文の概要: PsychoAgent: An Affect-Sensitive Cognitive Architecture for Conflict-Aware Memory in LLM Agents

• arxiv url: http://arxiv.org/abs/2608.07438v1
• Date: Fri, 07 Aug 2026 17:22:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.581764
• Title: PsychoAgent: An Affect-Sensitive Cognitive Architecture for Conflict-Aware Memory in LLM Agents
• Title（参考訳）: PsychoAgent: LLMエージェントにおける競合認識のための感情知覚型認知アーキテクチャ
• Abstract要約: PsychoAgentは、現実記憶と感情記憶を分離するLLMエージェントの認知アーキテクチャである。 影響のある記憶は、まず意味的関連性によってフィルタリングされ、その後、サリエンスによって再ランクされる。 アーキテクチャは、セマンティック・アフェクティブと単一メモリのRAGベースラインよりも、コンフリクトクリティカルな記憶を取り戻した。
• 参考スコア（独自算出の注目度）: 0.5131152350448099
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human-like cognition does not select past experience by topical similarity alone: affective significance and unresolved conflict also shape what becomes accessible. We present PsychoAgent, a cognitive architecture for LLM agents that separates factual and affective memory and integrates both through a conflict-aware executive controller. Affective memories are first filtered by semantic relevance and then re-ranked by salience, preserving topical fit while allowing emotionally important traces to enter the prompt. Across three controlled conflict scenarios, the full architecture retrieved more conflict-critical memories than semantic-affective and single-memory RAG baselines (0.933 vs. 0.500 and 0.667), with a small semantic-similarity cost. Five blinded raters evaluated 27 outputs. After within-rater standardization, the full architecture had the highest overall mean (+0.22 SD), but corrected pairwise differences were not significant. A three-day illustrative trace further shows persistent affect, offline memory recombination, and selective memory reweighting. The findings support affect-sensitive retrieval as an inspectable mechanism for modeling human-like conflict effects in LLM agents.
• Abstract（参考訳）: 人間のような認知は、局所的な類似性だけで過去の経験を選択せず、感情的な重要性と未解決の紛争も、何がアクセス可能となるかを形成する。 我々は,現実記憶と情緒記憶を分離し,コンフリクト対応エグゼクティブコントローラを通じて統合する,LLMエージェントの認知アーキテクチャであるサイコエージェントを提案する。 感情的な記憶は、まず意味的関連性によってフィルタリングされ、その後、サリエンスによって再ランクされ、感情的に重要な痕跡がプロンプトに入るのを許す。 3つの制御されたコンフリクトシナリオの中で、完全なアーキテクチャは、セマンティック・アフェクティブとシングルメモリのRAGベースライン(0.933対0.500と0.667)よりも、よりコンフリクトクリティカルなメモリを、小さなセマンティック・類似性コストで回収した。 5人のブラインドレイパーが27のアウトプットを評価した。 内部標準化後、完全なアーキテクチャは全体の平均値(+0.22 SD)が最も高かったが、修正されたペアの差はそれほど大きくなかった。 さらに3日間のイラストレーショントレースでは、永続的な影響、オフラインのメモリ再結合、選択的なメモリ再重み付けなどが示される。 本研究は, LLM剤中のヒト様のコンフリクト効果をモデル化するための検査可能なメカニズムとして, 感傷性検索を支援する。

関連論文リスト

• Memory Makes the Difference: Evaluating How Different Memory Roles Shape Conversational Agents [46.28019301802407]
  本稿では,会話記憶の微粒な分類,検索した記憶を異なる役割タイプに分類し,ユーザ中心評価フレームワークを設計する。 記憶の明瞭化は、応答の事実的正確さと制約意識を改善し、それらをより正確かつパーソナライズする。 これらの発見は、フロンティアLSMの力にもかかわらず、よりパーソナライズされた応答を生成するために、異なるメモリタイプをどのように活用できるかを明かした。
  論文  参考訳（メタデータ） (2026-06-24T03:45:45Z)
• MemVenom: Triggered Poisoning of Multimodal Memories in Web Agents [74.64265314956441]
  そこで我々は,グラフ構造化外部メモリにテキスト画像のコーディネートを施したブラックボックス攻撃フレームワークを提案する。 MemVenomは、GPT-5ファミリーのWebエージェントで最大99.15%に達する、良質なパフォーマンスに最小限の影響を伴って、強力なエンドツーエンド攻撃を成功させる。
  論文  参考訳（メタデータ） (2026-06-09T11:53:25Z)
• ENPMR-Bench: Benchmarking Proactive Memory Retrieval for Emotional Support Agents [53.83618283684421]
  ENPMR-Benchは,情緒的欲求認識型アクティブメモリ検索のためのベンチマークである。 ENPMR-Benchは1,800以上のメモリ拡張ダイアログを含み、感情的なニーズと支援的なメモリタイプの間の構造化マッピングを定義する。
  論文  参考訳（メタデータ） (2026-05-26T16:22:35Z)
• The Trap of Trajectory: Towards Understanding and Mitigating Spurious Correlations in Agentic Memory [7.707732051915869]
  エージェントメモリシステムの診断では、メモリはクリーンな入力の推論を改善するが、それらが存在するときのスプリアスパターンへの依存を増幅する。 本稿では,CAMELを提案する。CAMELは,書き込み時間と検索時間の両方で,多様なメモリアーキテクチャ間で動作可能な,プラグアンドプレイキャリブレーション方式である。 全体として、CAMELはより信頼性の高いエージェントメモリデプロイメントに対して、原則的で軽量なソリューションを提供する。
  論文  参考訳（メタデータ） (2026-05-10T05:04:13Z)
• The Memory Curse: How Expanded Recall Erodes Cooperative Intent in LLM Agents [35.23790156883985]
  アクセス可能な履歴を拡張することで、28のモデルのうち18の協力関係が悪化する。 第一に、378,000の推論の語彙解析は、パラノイアの上昇よりも前方の意図を侵食してこの崩壊を辿る。 第2に、記憶の衛生化は、目に見える歴史を合成協調記録に置き換えつつ、即時的な長さを保ち、実質的に協調を回復させる。 第三に、明示的な因果関係を非難することは、しばしば崩壊を減少させ、議論がパラドックス的に記憶の呪いを増幅することを示す。
  論文  参考訳（メタデータ） (2026-05-08T17:47:13Z)
• ImplicitMemBench: Measuring Unconscious Behavioral Adaptation in Large Language Models [60.14219417402433]
  LLMエージェントの既存のメモリベンチマークは、事実の明示的なリコールを評価するが、意識的な検索なしに、経験が自動的な振る舞いになる暗黙の記憶を見落としている。 IndicitMemBenchは、非宣言的メモリの標準的な認知科学のアカウントから引き出された3つの構造を通して暗黙的メモリを評価する最初の体系的なベンチマークである。 当社の300イテムスイートでは,初動採点を備えたLearning/Priming-Interfere-Testプロトコルを統一しています。
  論文  参考訳（メタデータ） (2026-04-09T10:26:32Z)
• Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval [59.295767860331004]
  RF-Memは、親しみやすい不確実性誘導デュアルパスメモリレトリバーである。 それは、人間のようなデュアルプロセス認識をレトリバーに埋め込む。 一定の予算とレイテンシの制約の下で、ワンショット検索とフルコンテキスト推論を一貫して上回る。
  論文  参考訳（メタデータ） (2026-03-10T06:31:44Z)
• Transformers Remember First, Forget Last: Dual-Process Interference in LLMs [0.0]
  私たちはこの質問に答えるために、認知心理学から古典的干渉パラダイムを適用します。 すべてのモデルが同じパターンを示し、前向きな干渉が後向きな干渉を支配している。 3つの所見は、RIとPIが別々の記憶機構を反映していることを示している。
  論文  参考訳（メタデータ） (2026-02-27T19:38:39Z)
• ActMem: Bridging the Gap Between Memory Retrieval and Reasoning in LLM Agents [14.695250837875454]
  本稿では,ActMemと呼ばれる新しい動作可能なメモリフレームワークを提案する。 ActMemは非構造化対話履歴を構造化因果グラフと意味グラフに変換する。 エージェントは暗黙の制約を推論し、過去の状態と現在の意図の間の潜在的な衝突を解決することができる。
  論文  参考訳（メタデータ） (2026-02-04T00:54:53Z)
• Agentic Learner with Grow-and-Refine Multimodal Semantic Memory [50.81667005063605]
  ViLoMemは、コンパクトなスキーマベースのメモリを構築するデュアルストリームメモリフレームワークである。 視覚的障害パターンと論理的推論エラーを符号化し、MLLMが成功し失敗した経験から学ぶことを可能にする。
  論文  参考訳（メタデータ） (2025-11-26T18:55:08Z)
• MIRROR: Modular Internal Processing for Personalized Safety in LLM Dialogue [0.0]
  大規模言語モデルは、ユーザ固有の安全コンテキストを無視して、個人のマルチターン対話において有害なレコメンデーションを生成する。 MIRROR(Modular production- focused architecture)は、永続的、バウンドされた内部状態を通じてこれらの障害を防止するモジュール型アーキテクチャである。
  論文  参考訳（メタデータ） (2025-05-31T07:17:48Z)
• 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)

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。