論文の概要: MemGuard: Persisting Verifier Signals for LLM-Agent Memory Governance
- arxiv url: http://arxiv.org/abs/2608.21867v1
- Date: Sat, 22 Aug 2026 09:25:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.496076
- Title: MemGuard: Persisting Verifier Signals for LLM-Agent Memory Governance
- Title（参考訳）: MemGuard: LLM-Agentメモリ管理のための検証信号の永続化
- Abstract要約: LLMエージェントは、単一プロンプトの使用から、再利用可能なメモリがコア機能となる長いタスクストリームへと移行している。
MemGuardは検証結果を1ショットのフィルタではなく、永続的なライフサイクルメタデータとして扱う。
MemGuardは16のバックボーンベンチマーク設定で最高の成功基準と最低平均ステップを達成する。
- 参考スコア（独自算出の注目度）: 21.021172368088504
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: LLM agents are moving from single-prompt use to long task streams in which reusable memory becomes a core capability for terminal, software-engineering, and web tasks. Such memory is useful only when stored experience remains reliable across hundreds of interactions, but two failure modes break that assumption in practice. The first is unreliable admission: failed trajectories,accidental successes, and misleading observations enter memory because they appear relevant, then mislead later decisions. The second is memory drift: long-running banks accumulate duplicate, stale, and conflicting records that retrieval alone cannot repair. MemGuard's key distinction is to treat verifier output not as a one-shot filter, but as persistent lifecycle metadata. It converts multi-criteria score-token verification into reward, confidence, label, and uncertainty descriptors that are attached to every candidate before activation and reused during retrieval, conflict resolution, summarization, and archival. We evaluate MemGuard on Terminal-Bench 2.0, SWE-Bench Verified, WebArena, and Mind2Web across four backbones, comparing against four memory baselines plus a verifier-only control under matched runtime budgets. Averaged over five seeds, MemGuard achieves the best success metric and lowest average steps in all 16 backbone-benchmark settings, improving over ReasoningBank, the strongest prior baseline among the memory methods we evaluate, with a largest gain of 7.9 success-rate points on WebArena, 5.6 step-success-rate points on Mind2Web, and 2.4-3.5 points on terminal and software-engineering benchmarks. Code is available at https://github.com/whyyyyy123/MemGuard.
- Abstract（参考訳）: LLMエージェントは、単一プロンプトの使用から、再利用可能なメモリが端末、ソフトウェアエンジニアリング、Webタスクのコア機能となる長いタスクストリームへと移行している。
このようなメモリは、数百のインタラクションで信頼性が保たれている場合にのみ有効だが、実際には2つの障害モードがその前提を破っている。
1つ目は信頼できない入場であり、軌道の失敗、事故の成功、そして誤解を招く観察は、それらが関連しているように見えるため記憶に入り、その後に誤った判断を下す。
2つ目は記憶の漂流です。長期銀行は、回復だけでは修復できない、重複、停滞、矛盾する記録を蓄積します。
MemGuardの主な特徴は、検証者の出力を1ショットのフィルタではなく、永続的なライフサイクルメタデータとして扱うことである。
マルチ基準スコアトーケン検証を、アクティベーションの前に全ての候補にアタッチされ、検索、コンフリクト解決、要約、アーカイブ中に再利用される報酬、信頼、ラベル、不確実性記述子に変換する。
端末-ベンチ2.0、SWE-Bench Verified、WebArena、Mind2Webの4つのバックボーン上でMemGuardを評価する。
評価対象とするメモリメソッドの中で最強のベースラインであるReasoningBankは,WebArenaで7.9成功点,Mind2Webで5.6ステップ成功点,端末およびソフトウェアエンジニアリングベンチマークで2.4-3.5ポイント,などだ。
コードはhttps://github.com/whyyyy123/MemGuard.comで入手できる。
関連論文リスト
- MemoryLake on MemoryArena: A Matched Study of Agent Memory Backends [8.130461324371604]
MemoryLakeをMem0、text-embedding-3-small vector RAG、および5つのMemoryArenaドメインの長いコンテキスト制御と比較する。
各バックエンドバンドルは書き込み、検索、統合、予算設定、迅速な組立選択を行うため、この研究は一致したシステムレベルの比較である。
論文 参考訳（メタデータ） (2026-08-14T02:19:26Z) - TARL: Transaction-Aware Reliable Ledgers for Executable Memory Management in Long-Term Agents [20.123133746969398]
メモリ状態更新フレームワークであるTARLを導入し、各ステートメントを5つの実行可能なアクションのうちの1つにマップする。
TARLは、影響を受けるメモリを特定し、その時間的スコープを解決し、ソースの信頼性を比較し、受け入れ、保留、拒否された台帳を更新する。
また、粒度の細かいアクションラベルと次の状態目標を持つベンチマークであるTARL-Memについても紹介する。
論文 参考訳（メタデータ） (2026-08-04T14:02:55Z) - MemSecBench: Tracking Agent Memory Poisoning from Persistence to Consequence and Repair [11.307480451677145]
メモリシステムは、エージェントが過去のインタラクションから情報を保持、再利用することを可能にするが、悪意のあるコンテンツを持続させることもできる。
最近のベンチマークでは、エージェントメモリのセキュリティがますます調査されているが、永続性、下流の結果、選択的な修復など、同じ悪意のあるセマンティクスをトレースするケースはほとんどない。
MemSecBenchはエージェントメモリシステムのライフサイクルセキュリティのベンチマークである。
論文 参考訳（メタデータ） (2026-07-29T16:06:54Z) - Memory as a Controlled Process: Learned Adaptive Memory Management for LLM Agents [72.3752981234916]
大きな言語モデル(LLM)エージェントは、タスク間の経験を蓄積するために、外部メモリシステムに依存している。
メモリ操作をマルコフ決定プロセスとしてモデル化するフレームワークである制御プロセス(MemCon)としてメモリを提示する。
MemConは、複数のメモリベースラインのタスク成功率を最大15.2ポイント上回り、トークン消費量を5-20%削減している。
論文 参考訳（メタデータ） (2026-07-15T08:32:40Z) - 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) - 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) - 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) - MemGym: a Long-Horizon Memory Environment for LLM Agents [69.79226770543049]
本稿では,エージェントメモリのベンチマークであるMemGymを紹介する。
MemGymは、メモリパフォーマンスを推論、検索、ツール使用能力から切り離すメモリアイソレーションスコアを報告している。
MEMGYM-CODEQAとMEMGYM-DRの合成パイプラインは、長さ制御可能であり、各ステージでアブレーションを検証可能であり、下流のシナリオと密に整合している。
論文 参考訳（メタデータ） (2026-05-20T07:25:33Z) - MemMA: Coordinating the Memory Cycle through Multi-Agent Reasoning and In-Situ Self-Evolution [52.29303869050117]
メモリ拡張LDMエージェントは、長期の相互作用をサポートするために外部メモリバンクを保持する。
MemMAはプラグアンドプレイのマルチエージェントフレームワークで、前方と後方の両方の経路に沿ってメモリサイクルを調整する。
論文 参考訳（メタデータ） (2026-03-19T10:15:59Z) - A-MemGuard: A Proactive Defense Framework for LLM-Based Agent Memory [31.673865459672285]
大規模言語モデル(LLM)エージェントは、過去のインタラクションから学習するためにメモリを使用する。
敵は、エージェントのメモリに一見無害なレコードを注入して、その将来の振る舞いを操作できる。
A-MemGuard は LLM エージェントメモリのための最初のプロアクティブな防御フレームワークである。
論文 参考訳（メタデータ） (2025-09-29T16:04:15Z)
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。