論文の概要: Beyond Memory Majority: Latent-Source Reasoning for Multi-Agent Memory Arbitration

• arxiv url: http://arxiv.org/abs/2608.19701v1
• Date: Thu, 20 Aug 2026 06:50:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.478663
• Title: Beyond Memory Majority: Latent-Source Reasoning for Multi-Agent Memory Arbitration
• Title（参考訳）: メモリマジョリティを超えて:マルチエージェントメモリのアロケーションのための遅延ソース推論
• Abstract要約: 既存の記憶法は、回収された記憶を独立した証拠として扱い、投票や重み付けを通じてそれらを組み合わせている。 異なるエージェントによって書かれた記憶は、同じ上流のソースまたは共有バイアスを継承し、相関する証拠が繰り返し数えられ、偽の多数を占めます。 我々は,検索した記憶を共同で分離し,欠落した独立した証拠を回収するtextbfCorrelation-textbfAware textbfMemory textbfArbitration (CAMA) フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.1803729553124735
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-term multi-agent systems continuously accumulate the memories produced by different agents. Existing memory methods typically treat retrieved memories as independent evidence and combine them through voting or weighting. However, this independence assumption often fails in multi-agent settings: memories written by different agents may inherit the same upstream source or shared bias, causing correlated evidence to be repeatedly counted and creating a false majority. We term this failure mode \textit{Memory Correlation Bias}. To address the issue, we propose the \textbf{C}orrelation-\textbf{A}ware \textbf{M}emory \textbf{A}rbitration (CAMA) framework that jointly decouples retrieved memories and recovers missing independent evidence. We model the retrieved memories as query-conditioned evidence groups and combine neural dependency inference with provenance-based symbolic priors to estimate the effective number of independent evidence sources, thereby preventing correlated memories from forming a false majority. Since critical independent evidence may be absent from the initial retrieval set, \textsc{CAMA} further learns a sequential recovery policy that actively retrieves alternative evidence or traces upstream sources before making the final decision, aiming to recover sufficient independent evidence for reliable arbitration while minimizing retrieval cost. Experiments on multiple benchmarks demonstrate the superiority of our method over the state-of-the-art baseline methods, suppressing false majorities induced by correlated memories.
• Abstract（参考訳）: 長期のマルチエージェントシステムは、異なるエージェントによって生成される記憶を継続的に蓄積する。 既存の記憶方法は通常、回収された記憶を独立した証拠として扱い、投票や重み付けを通じてそれらを組み合わせている。 異なるエージェントによって書かれた記憶は、同じ上流のソースまたは共有バイアスを継承し、疑わしい証拠が繰り返し数えられ、偽の多数を占めます。 この障害モードを \textit{Memory correlation Bias} と呼ぶ。 この問題に対処するために,検索した記憶を共同で分離し,欠落した独立した証拠を復元する, \textbf{C}orrelation-\textbf{A}ware \textbf{M}emory \textbf{A}rbitration (CAMA) フレームワークを提案する。 検索した記憶を問合せ条件付きエビデンスグループとしてモデル化し、ニューラルネットワークの依存性推論と証明に基づくシンボリックプリエントを組み合わせ、有効数の独立エビデンスソースを推定し、相関記憶が偽の多数を占めるのを防ぐ。 重要な独立した証拠が初期検索セットから欠落している可能性があるため、 \textsc{CAMA} は、最終決定を行う前に、代替証拠を積極的に回収したり、上流ソースをトレースするシーケンシャルな回復ポリシーを学習し、検索コストを最小化しながら、信頼できる仲裁のための十分な独立した証拠を回収することを目的としている。 複数のベンチマーク実験により, 相関記憶による偽の多数性を抑えながら, 最先端のベースライン法よりも提案手法の優位性を実証した。

関連論文リスト

• Navigating Sparse Evidence: Agentic Visual RAG via Explicit Context Selection and Consolidation [50.92223196290564]
  明示的な証拠選択と統合のための統一エージェントループを提案する。 探索中、SCoREはクエリ関連観測とソースポインタのみを保守されたテキスト台帳に保持する。 終了時には、参照された元のイメージを再ロードし、答えの視覚的証拠を統合し、論理的なシーケンスにアレンジする。
  論文  参考訳（メタデータ） (2026-09-14T16:11:35Z)
• GraphMemix: Query-Aware Evidence Forests for Long-Term Multimodal Agent Memory [87.58855368314693]
  メモリ構造をクエリ対応エビデンス・フォレスト構築としてモデル化するグラフメモリフレームワークであるGraphMemixを提案する。 4つの長期マルチモーダルメモリベンチマークの実験結果から,異なる基礎モデルによる大幅な改善が示された。
  論文  参考訳（メタデータ） (2026-08-27T11:28:49Z)
• SAGE: From Direct Answering to Evidence-Grounded Inference for Chinese Ancient Document Understanding [61.02068339726333]
  中国古文書理解のためのエビデンスを基盤としたマルチエージェントフレームワークであるSAGEを提案する。 SAGEは、タスク対応計画、ツールによるエビデンス獲得、クレームレベルの検証、バウンドリプランニングのための特殊エージェントを調整する。 AncientDocベンチマークの実験によると、SAGEは直接答えベースラインと一貫して優れていた。
  論文  参考訳（メタデータ） (2026-08-25T03:01:51Z)
• REVEAL: A Rubric-Guided Agent for Explicit Evidence Sufficiency Verificationin Long-Video Question Answering [25.519927761448603]
  REVEALは、長いビデオ質問応答のためのルーリック誘導エージェントフレームワークである。 本稿では,視覚的コヒーレントな隣接フレームを自然なイベント単位にグループ化する適応型視覚類似性に基づく前処理パイプラインを提案する。 この構造化メモリ上に構築されたREVEALは、自動的に構築されたルーリックライブラリを使用して、検索された証拠が満足度基準を満たすかどうかを明示的に検証する。
  論文  参考訳（メタデータ） (2026-08-09T09:55:42Z)
• ViSAGE: Constructing Self-Correcting Memories for Long-Form Video Understanding [11.461394531496397]
  ViSAGEは、自己修正、エンティティ中心のメモリを構築するマルチモーダルなエージェントメモリフレームワークである。 これは、遅延したアイデンティティの証拠を伝播させ、過去の記録を遡って統一し、将来の推論を改善するために、双方向のメモリリファインメントを適用している。 その結果、ViSAGEは最強のベースラインを一貫して上回り、精度は5.9%向上した。
  論文  参考訳（メタデータ） (2026-07-29T10:25:23Z)
• Mitigating Provenance-Role Collapse in Long-Term Agents via Typed Memory Representation [33.47493976010677]
  本稿では,ソースモニタリングを構造制約として運用する型付きメモリ中間表現であるMemIRを提案する。 MemIRは、長期記憶を基底原子に書き、生の証拠、検索の手がかり、真理を含む主張を分離する。 LoCoMoとBEAM-100Kの実験は、MemIRが既存のメモリベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-05-25T13:56:31Z)
• SMMBench: A Benchmark for Source-Distributed Multimodal Agent Memory [34.330518284737806]
  既存のマルチモーダルメモリ推論のベンチマークは、事前組立されたコンテキスト内のシステムを大幅に評価する。 我々は、ソース分散メモリ構成が、マルチモーダルエージェントメモリにおいて重要かつ過小評価されていないボトルネックであると主張している。 エージェントが複数のソースにまたがるマルチモーダルエビデンスを検索・調整・構成できるかどうかを計測するソース分散マルチモーダルメモリベンチマークを導入する。
  論文  参考訳（メタデータ） (2026-05-15T08:00:46Z)
• Belief Memory: Agent Memory Under Partial Observability [56.41506249481312]
  本稿では,メモリパラダイムを観測毎に1つの結論にシフトし,その確率で複数の結論を導出するBeliefMemを提案する。 BeliefMemは決定論的パラダイムが破棄されるという不確実性を保ち、エージェントが高い信頼を持って行動することを可能にする。 LoCoMoとALFWorldベンチマークの実証的な評価は、限られたデータであっても、BeliefMemが最高の平均パフォーマンスを達成することを示している。
  論文  参考訳（メタデータ） (2026-05-07T02:03:13Z)
• 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)
• AMA: Adaptive Memory via Multi-Agent Collaboration [54.490349689939166]
  複数の粒度にまたがるメモリ管理に協調エージェントを活用する新しいフレームワークであるAMA(Adaptive Memory via Multi-Agent Collaboration)を提案する。 AMAは、ステート・オブ・ザ・アートのベースラインを著しく上回り、トークンの消費をフルコンテキストの手法と比べて約80%削減する。
  論文  参考訳（メタデータ） (2026-01-28T08:09:49Z)
• 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)
• Natural Logic-guided Autoregressive Multi-hop Document Retrieval for Fact Verification [21.04611844009438]
  マルチホップ検索のための新しい検索・参照手法を提案する。 知識ソース内の文書と、以前検索された文書から文を共同でスコアする検索器で構成されている。 証拠が十分であると判断された場合、検索プロセスを動的に終了する証明システムによってガイドされる。
  論文  参考訳（メタデータ） (2022-12-10T11:32:38Z)

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。