論文の概要: MemFuse: Multi-Source Memory Fusion from Fragmented Observations
- arxiv url: http://arxiv.org/abs/2608.18704v1
- Date: Wed, 19 Aug 2026 09:04:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.349789
- Title: MemFuse: Multi-Source Memory Fusion from Fragmented Observations
- Title（参考訳）: MemFuse: 断片化観測によるマルチソースメモリ融合
- Abstract要約: マルチソースメモリ融合のベンチマークである**MemFuseBench*を紹介します。
MemFuseBenchはScene-to-Sensorパイプラインで構築されており、制御可能なシナリオをソースタグ付き観測、エビデンス付き質問、敵の注意散らしに合成する。
我々は,イベント層原子メモリにおけるソースレベルの証拠を保存し,関連する原子イベントを因果グラフ内のクラスタ層融合メモリに整理する構造化メモリシステム**MemFuse*を提案する。
- 参考スコア（独自算出の注目度）: 32.62990579442196
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-term memory is essential for agents that operate across extended interactions, yet existing memory systems and benchmarks predominantly focus on single-source textual histories. In realistic settings, however, relevant information is often fragmented across applications and devices, as well as across users and time, requiring agents to integrate dispersed observations into coherent episodic memories while preserving their source provenance. To address these gaps, we introduce **MemFuseBench**, a benchmark for *multi-source memory fusion*. MemFuseBench is built with a Scene-to-Sensor pipeline that synthesizes controllable scenarios into source-tagged observations, evidence-grounded questions, and adversarial distractors. It enables systematic evaluation of temporal reasoning, cross-source evidence fusion, and robustness to noise. We further propose **MemFuse**, a structured memory system that preserves source-level evidence in event-layer atomic memory and organizes related atomic events into cluster-layer fused memory within a causal fusion graph. During retrieval, MemFuse retrieves and organizes related evidence fragments while maintaining traceability to original source events. Experiments on MemFuseBench show that MemFuse achieves the best overall performance among the evaluated memory systems under all three LLM settings and consistently improves performance on questions requiring cross-source evidence fusion.
- Abstract（参考訳）: 長期記憶は、拡張された相互作用をまたいだ操作を行うエージェントにとって不可欠であるが、既存のメモリシステムやベンチマークは、主に単一ソースのテキスト履歴に焦点を当てている。
しかし、現実的な設定では、関連する情報はアプリケーションやデバイス、ユーザや時間にわたって断片化され、エージェントは、元の出所を保存しながら、分散した観察を一貫性のあるエピソード記憶に統合する必要がある。
これらのギャップに対処するため、**MemFuseBench*を紹介します。
MemFuseBenchはScene-to-Sensorパイプラインで構築されており、制御可能なシナリオをソースタグ付き観測、エビデンス付き質問、敵の注意散らしに合成する。
時間的推論、クロスソースエビデンス融合、ノイズに対する堅牢性の体系的評価を可能にする。
さらに、イベント層原子メモリにおけるソースレベルの証拠を保存し、関連する原子イベントを因果融合グラフ内のクラスタ層融合メモリに整理する構造化メモリシステム**MemFuse*を提案する。
検索中、MemFuseは、元のソースイベントのトレーサビリティを維持しながら、関連するエビデンスフラグメントを検索し、整理する。
MemFuseBenchの実験によると、MemFuseは3つのLCM設定で評価されたメモリシステムの中で最高の全体的な性能を達成し、クロスソースエビデンス融合を必要とする質問に対するパフォーマンスを一貫して改善している。
関連論文リスト
- UTILMEM: Benchmarking Evidence Utilization in Long-Term Conversational Memory [32.625416782173204]
メモリ使用率を評価するための診断ベンチマークであるUtilMemを紹介する。
従来のファクトメモリベンチマークの強い性能は、有効メモリ利用に確実に変換されないことが判明した。
これらの知見は,記憶されている情報へのアクセスと有効利用との間に大きなギャップを生じさせ,長期の会話記憶の進歩には,検索妨害に対する証拠統合と堅牢性を明確に支援するアーキテクチャが必要であることを示唆している。
論文 参考訳（メタデータ） (2026-08-31T09:41:26Z) - MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。
MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。
長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
論文 参考訳（メタデータ） (2026-07-14T15:33:44Z) - MemSyco-Bench: Benchmarking Sycophancy in Agent Memory [32.49512092540906]
MemSyco-Benchは、エージェントシステムにおけるメモリ誘起性を評価するためのベンチマークである。
MemSyco-Benchは、いつメモリが決定に影響を及ぼすか、どのように有効なメモリを使用するかを測定する。
論文 参考訳（メタデータ） (2026-07-01T15:30:33Z) - 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) - 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) - MemGuard: Preventing Memory Contamination in Long-Term Memory-Augmented Large Language Models [56.31411457917676]
本稿では,メモリ構築と検索において,機能的メモリ境界を保存するタイプアウェアメモリフレームワークであるMemGuardを紹介する。
幻覚と長期会話のベンチマーク全体で、MemGuardはメモリの信頼性を最大28.27%向上し、メモリトークンは以前の方法より5.8倍少ない。
論文 参考訳（メタデータ） (2026-05-27T06:04:19Z) - MemGround: Long-Term Memory Evaluation Kit for Large Language Models in Gamified Scenarios [33.8882826707344]
MemGroundは、リッチでゲーミフィケーションされたインタラクティブシナリオを基盤とした、厳格な長期メモリベンチマークである。
メモリ利用と行動軌跡の両方を包括的に定量化するために,多次元計量スイートを提案する。
論文 参考訳（メタデータ） (2026-03-23T02:57:39Z) - AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents [49.63422082885992]
長軸対話エージェントのための適応型ユーザ中心メモリフレームワークであるAdaMemを提案する。
AdaMemは対話履歴をワーキング、エピソディック、ペルソナ、グラフメモリに整理する。
LoCoMo と PERSONAMEM ベンチマーク上での AdaMem の評価を行った。
論文 参考訳（メタデータ） (2026-03-17T13:22:54Z) - MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks [55.145729491377374]
メモリを持つエージェントの既存の評価は、通常、単独で記憶と行動を評価する。
マルチセッションメモリ-エージェント環境ループにおけるエージェントメモリのベンチマークのための統合評価ジムであるMemoryArenaを紹介する。
MemoryArenaは、Webナビゲーション、優先制約付き計画、プログレッシブ情報検索、シーケンシャルなフォーマルな推論を含む評価をサポートする。
論文 参考訳（メタデータ） (2026-02-18T09:49:14Z) - Mem-Gallery: Benchmarking Multimodal Long-Term Conversational Memory for MLLM Agents [76.76004970226485]
長期記憶はマルチモーダル大言語モデル(MLLM)エージェントにとって重要な機能である。
Mem-GalleryはMLLMエージェントのマルチモーダル長期会話メモリ評価のための新しいベンチマークである。
論文 参考訳（メタデータ） (2026-01-07T02:03:13Z) - Multiple Memory Systems for Enhancing the Long-term Memory of Agent [9.43633399280987]
MemoryBankやA-MEMといった既存の手法は、記憶されているメモリの質が劣っている。
我々は認知心理学理論にインスパイアされた多重記憶システムを設計した。
論文 参考訳（メタデータ） (2025-08-21T06:29:42Z)
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。