論文の概要: When Retrieval Fails Before It Begins: Structurally Indirect Prerequisite Eviction as a Retention Failure in Agentic Memory
- arxiv url: http://arxiv.org/abs/2608.20400v1
- Date: Sun, 05 Jul 2026 22:14:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.311887
- Title: When Retrieval Fails Before It Begins: Structurally Indirect Prerequisite Eviction as a Retention Failure in Agentic Memory
- Title（参考訳）: 検索が終わる前に失敗する場合: エージェント記憶の保持性としての構造的間接的前提条件
- Abstract要約: 我々は、事前検索障害モード、決定論的ベンチマーク、およびシードごとのトレース診断の運用定義を提供する。
また,1ホップグラフ認識ルールであるDSGC(Dependency-aware Semantic Garbage Collection)も評価した。
リリースしたパイプラインとフェール・ポストモーテムは、検索前のリテンションのメカニスティック解析を、個別の障害境界として支援する。
- 参考スコア（独自算出の注目度）: 1.0152838128195465
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic memory under a fixed budget involves two stages: retention and retrieval. Existing retrieval-centered paradigms implicitly assume necessary evidence survives eviction, but we challenge this by isolating a pre-retrieval failure mode: structurally indirect prerequisite eviction, in which upstream blocks weakly aligned with the query are discarded under budget pressure. We provide an operational definition of this failure, a reproducible deterministic benchmark, and per-seed trace diagnostics. Finally, we evaluate Dependency-aware Semantic Garbage Collection (DSGC), a one-hop graph-aware rule. In our main suite, DSGC improves full-chain retention from 0.03 to 0.90 under a lexical encoder and from 0.23 to 1.00 under a sentence encoder. Robustness checks then identify the budget and scaling regimes where the one-hop rule holds or degrades. Our released pipeline and failure postmortem support mechanistic analysis of retention before retrieval as a distinct failure boundary.
- Abstract（参考訳）: 固定予算下でのエージェント記憶には、保持と検索の2段階がある。
既存の検索中心のパラダイムは、必要証拠が排除されたまま残っていることを暗黙的に仮定するが、我々は、事前検索の失敗モードを分離することで、これに挑戦する。
我々は、この障害の運用定義、再現可能な決定性ベンチマーク、シードごとのトレース診断を提供する。
最後に, 依存認識型セマンティックガベージコレクション (DSGC) の評価を行った。
メインスイートでは,語彙エンコーダでは0.03から0.90に,文エンコーダでは0.23から1.00に改善した。
ロバストネスチェックは、ワンホップルールが保持または低下する予算とスケーリング体制を特定する。
リリースしたパイプラインとフェール・ポストモーテムは、検索前のリテンションのメカニスティック解析を、個別の障害境界として支援する。
関連論文リスト
- MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
MeshHealは、完全に分散化された自己修復フレームワークである。
能力にマッチしたピアレビューを2つのタイムスケールに分けている。
1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
論文 参考訳（メタデータ） (2026-09-24T04:29:37Z) - The Immutable Past: Formalizing State Mutability and Conflict Resolution in Mutable RAG [0.0]
本稿では,高密度検索がAsymptotic Recall Decayに苦しむことを証明するために,状態変化のメカニズムを定式化する。
これを解決するために,厳密な推論時間一貫性プロトコルであるGC-Memを導入する。
論文 参考訳（メタデータ） (2026-09-13T15:28:07Z) - What Eviction Destroys: A Restore-Counterfactual Audit of Forgetting in Agent Memory [1.6558929815405155]
我々は,質問ごとのペアによる介入であるリストア対策を導入し,質問のゴールドエビデンスをリードタイムの文脈で再記録する。
我々は,LongMemEval-SにおけるFIFO,ランダム,冗長,LLMの重要性を3つの予算と2つの検索条件で評価した。
論文 参考訳（メタデータ） (2026-09-08T05:48:10Z) - PerceptionRubrics: Calibrating Multimodal Evaluation to Human Perception [75.70273182182397]
PerceptionRubricsはルーブリックベースの評価フレームワークである。
飽和ベンチマークスコアと現実世界の脆さのギャップに対処する。
1,038枚のインフォメーションセンス画像と1万個以上のインスタンス固有のルーリックをペアリングする。
論文 参考訳（メタデータ） (2026-06-26T17:59:15Z) - Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。
NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
論文 参考訳（メタデータ） (2026-05-21T16:45:31Z) - SAAG: Structured Agent Assessment and Grounding [13.62148061055744]
本稿では,エージェント呼び出し評価を3段階に分解するケースケード診断フレームワークを提案する。
このフレームワークは,5,10,15エージェントのレジストリサイズにまたがって,Glaiveの関数呼び出しデータセットから得られたベンチマークで評価する。
論文 参考訳（メタデータ） (2026-04-30T19:33:58Z) - IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。
IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
論文 参考訳（メタデータ） (2026-04-22T03:03:33Z) - Learning from Emptiness: De-biasing Listwise Rerankers with Content-Agnostic Probability Calibration [76.08899010904652]
CapCalは、ランキング決定から位置バイアスを機械的に分離する、トレーニング不要のフレームワークである。
シングルパス効率を保ちながら、トレーニング不要の手法で優れた性能を発揮する。
論文 参考訳（メタデータ） (2026-04-11T10:47:22Z) - Cognitive Friction: A Decision-Theoretic Framework for Bounded Deliberation in Tool-Using Agents [0.0]
制約のないツール使用エージェントは、どの情報ソースをクエリして実行するかを決めなければなりません。
本稿では,これらの障害モードを認知的摩擦によって形式化する決定論的枠組みであるTCAを提案する。
我々は,TCAを2つの制御された環境において,停止品質,混雑時の行動選択,時間的緊急性の分離を図った。
論文 参考訳（メタデータ） (2026-03-31T17:30:25Z)
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。