論文の概要: SuperLocalMemory 4.0: The Governed Memory Operating System for AI Agents
- arxiv url: http://arxiv.org/abs/2608.08253v1
- Date: Sat, 08 Aug 2026 17:26:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.745956
- Title: SuperLocalMemory 4.0: The Governed Memory Operating System for AI Agents
- Title（参考訳）: SuperLocalMemory 4.0:AIエージェントのためのGoverned Memory Operating System
- Abstract要約: SuperLocalMemory 4.0は、AIエージェント用のローカルファーストメモリオペレーティングシステムである。
システムは、密接なセマンティック、BM25語彙、時間、ホップフィールド連想、拡散コンテキスト検索を組み合わせる。
ランタイムはCLI、MPP、HTTPデーモン、ダッシュボード、エディタ統合、フレームワークアダプタを通じて利用できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI agents are becoming shared infrastructure, yet durable memory is commonly assembled from separate retrieval, governance, and operational components. We present SuperLocalMemory 4.0, a governed, local-first memory operating system for AI agents. The system combines dense semantic, BM25 lexical, temporal, Hopfield-associative, and spreading-activation retrieval through reciprocal-rank fusion; a governed learning and behaviour layer; bi-temporal recall; multi-scope personal, shared, and global memory; role-based access control; GDPR-oriented export and verified erasure; audit trails; and a deployment-context EU AI Act checklist. V4 introduces a reliability spine for its primary write path: generation-fenced admission, a policy registry, verifiable memory transactions with per-projection apply, verify, compensate, and erase owners, and hash-checkable completion manifests. The runtime is available through CLI, MCP, an HTTP daemon, a dashboard, editor integration, and framework adapters, and supports fully local, local-with-on-device-model, and provider-assisted modes. We evaluate eleven fault-injection and mechanism scenarios, each repeated 200 times. The released evidence bundle reports 2,200 of 2,200 deterministic repetitions upholding their scoped component properties. The governed write envelope measured 3.522 ms at p50 and 5.297 ms at p99, versus 1.835 ms and 2.569 ms for the ungoverned baseline, corresponding to in-process control-plane overheads of 1.687 ms at p50 and 2.728 ms at p99. These are scoped component and mechanism measurements, not an end-to-end multi-process or external retrieval-accuracy benchmark. The paper consolidates prior SuperLocalMemory work on privacy-preserving multi-agent memory, information-geometric retrieval, and the V3.3 Living Brain lifecycle.
- Abstract（参考訳）: AIエージェントは共有インフラストラクチャになりつつあるが、耐久性のあるメモリは、分離された検索、ガバナンス、運用コンポーネントから一般的に組み立てられている。
本稿では,AIエージェント用のローカルファーストメモリオペレーティングシステムであるSuperLocalMemory 4.0を紹介する。
このシステムは、密集したセマンティクス、BM25語彙、時間的、ホップフィールド関連、および相互ランクの融合による拡散活性化検索、支配的な学習と行動層、バイテンポラルリコール、マルチスコープの個人、共有、グローバルメモリ、ロールベースのアクセス制御、GDPR指向のエクスポートと検証消去、監査証跡、デプロイメントコンテキストのEU AI Actチェックリストを組み合わせる。
V4は、ジェネレーション・フェンスド・インプット、ポリシーレジストリ、プロジェクションごとの検証可能なメモリトランザクションの適用、所有者の検証、補償、消去、ハッシュチェック可能な補完マニフェストなど、主要な書き込みパスに対する信頼性のスピンを導入している。
ランタイムは、CLI、MPP、HTTPデーモン、ダッシュボード、エディタ統合、フレームワークアダプタを通じて利用できる。
我々は11の障害注入とメカニズムのシナリオをそれぞれ200回繰り返して評価した。
リリースされたエビデンスバンドルは、2,200の決定論的反復のうち2,200がスコープ化されたコンポーネント特性を支持していると報告している。
制御された書き込みエンベロープはp50で3.522ms、p99で5.297ms、未処理のベースラインで1.835msと2.569msと測定され、p50で1.687ms、p99で2.728msのプロセス内制御面オーバーヘッドに対応していた。
これらは、エンドツーエンドのマルチプロセスや外部検索精度ベンチマークではなく、スコープ化されたコンポーネントとメカニズムの測定である。
この論文は、プライバシを保存するマルチエージェントメモリ、情報幾何学的検索、およびV3.3 Living Brainライフサイクルに関する、以前のSuperLocalMemoryの作業を統合する。
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) - Can Agent Memory Systems Track Evolving State? [19.24558136812374]
我々は、効果的なメモリシステムは世界の進化状態を追跡する必要があると主張している。
事実、制約、決定が長い相互作用によって修正されるため、答えは現在の状態を反映し、過小評価されるものではない。
この機能をステートトラッキングとして定義し、StateMemBenchでインスタンス化する。
論文 参考訳（メタデータ） (2026-08-20T05:41:23Z) - MEMPROBE: Probing Long-Term Agent Memory via Hidden User-State Recovery [58.64329475683699]
我々は、長期記憶は監査可能な相互作用後のアーティファクトとして評価されるべきであると主張している。
我々は、メモリを備えたエージェントがシミュレーションユーザを支援するベンチマークであるMEMPROBEで、このビューをインスタンス化する。
私たちは、成功したアシストと回復可能なメモリが、異なる機能として振る舞うことに気付きました。
論文 参考訳（メタデータ） (2026-06-23T13:52:46Z) - GateMem: Benchmarking Memory Governance in Multi-Principal Shared-Memory Agents [61.50171793000712]
GateMemはマルチプリンシパル共有メモリエージェントのベンチマークである。
医療、事務、教育、家庭の領域にまたがる。
強力なユーティリティ、堅牢なアクセス制御、信頼性のある忘れを同時に実現する方法は存在しない。
論文 参考訳（メタデータ） (2026-06-17T09:06:15Z) - eMEM: A Hybrid Spatio-Temporal Memory System For Embodied Agents [1.8047694351309203]
物理環境で動作するエンボディエージェントのためのハイブリッドグラフベースメモリシステムeMEMを提案する。
eMEMはこのギャップをマルチインデックスアーキテクチャ(構造化ストレージ用ITE、近傍セマンティックサーチ用hlib、空間クエリ用Rツリー)で埋める。
また,eMEM-Bench v1は,メモリ評価のためのProcTHOR-10Kシーン上で構築したベンチマークである。
論文 参考訳（メタデータ） (2026-06-02T09:22:12Z) - WorldMemArena: Evaluating Multimodal Agent Memory Through Action-World Interaction [72.1620416874118]
マルチモーダルな言語モデルは、長距離エージェントとしてますます多くデプロイされている。
既存のベンチマークは、静的対話上のリコールを測定し、メモリを1つのタスクの精度に分解し、キャプションに対する視覚的な観察を減らす。
マルチモーダルエージェントメモリを,観測可能な4段階ライフサイクルを持つアクションワールドインタラクションループとして定式化する。
論文 参考訳（メタデータ） (2026-05-28T04:27:20Z) - LongMemEval-V2: Evaluating Long-Term Agent Memory Toward Experienced Colleagues [80.29362825271768]
LongMemEval-V2は、メモリシステムが、カスタマイズされた環境で知識のある同僚になるために必要な経験を得るのに役立つかどうかを評価するためのベンチマークである。
LME-V2には、Webエージェントの5つのコアメモリ能力をカバーする451の質問が含まれている。
AgentRunbook-Rは生の状態観察,イベント,戦略ノートのための知識プールを備えた,効率的なRAGベースのメモリであり,AgentRunbook-Cはトラジェクトリをファイルとして格納し,コードエージェントを起動して,拡張サンドボックスに証拠を収集する。
論文 参考訳（メタデータ） (2026-05-12T17:59:34Z) - 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) - Memory for Autonomous LLM Agents:Mechanisms, Evaluation, and Emerging Frontiers [0.42061757959666934]
大きな言語モデル(LLM)エージェントは、単一のコンテキストウィンドウが小さすぎて何が起きているのかをキャプチャできないような環境で、ますます運用される。
メモリはステートレステキストジェネレータを真に適応的なエージェントに変える。
この調査は、メモリがどのように設計され、実装され、現代のLCMベースのエージェントで評価されるかという構造化された説明を提供する。
論文 参考訳（メタデータ） (2026-03-08T15:08:01Z) - SuperLocalMemory: Privacy-Preserving Multi-Agent Memory with Bayesian Trust Defense Against Memory Poisoning [0.0]
我々は、ASI06メモリ中毒を防御するマルチエージェントAIのためのローカルファーストメモリシステムであるSuperLocalMemoryを紹介する。
SuperLocalMemoryはオープンソース(MIT)で、Model Context Protocolを介して17以上の開発ツールと統合されている。
論文 参考訳（メタデータ） (2026-02-17T12:35:23Z) - MEM1: Learning to Synergize Memory and Reasoning for Efficient Long-Horizon Agents [84.62985963113245]
我々は,長時間のマルチターンタスクに対して,エージェントが一定のメモリで動作可能な,エンドツーエンドの強化学習フレームワークMEM1を紹介する。
各ターンでMEM1は、メモリ統合と推論を共同でサポートするコンパクトな共有内部状態を更新する。
その結果,MEM1-7Bは16目的のマルチホップQAタスクにおいて,Qwen2.5-14B-Instructと比較してメモリ使用量を3.7倍削減し,3.5倍の性能向上を示す。
論文 参考訳（メタデータ） (2025-06-18T19:44:46Z)
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。