論文の概要: EvoWiki: Incremental State Overwriting and Traceable Question Answering for Cross-Meeting Knowledge Evolution

• arxiv url: http://arxiv.org/abs/2608.23265v1
• Date: Mon, 24 Aug 2026 13:52:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.125011
• Title: EvoWiki: Incremental State Overwriting and Traceable Question Answering for Cross-Meeting Knowledge Evolution
• Title（参考訳）: EvoWiki: クロスメッセージな知識進化のためのインクリメンタルステートオーバーライトとトレーサブルな質問回答
• Abstract要約: EvoWikiは動的長文テキストのためのインクリメンタルな質問応答アーキテクチャである。 EvoWikiは、動的長文テキストのためのインクリメンタルな質問応答アーキテクチャである。
• 参考スコア（独自算出の注目度）: 7.9408412949302525
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In long-term collaboration spanning multiple meetings, factual states such as decisions and risks are continually revised, overturned, and replaced. Existing long-context methods typically stack the entire history, while many RAG and structured-memory methods organize knowledge as static or append-only facts and rely on semantic relevance at read time. Without explicit modeling of knowledge lifecycles, these approaches may retain conflicting old and new states simultaneously or discard history, leading to stale retrieval and answers that are difficult to verify. We present EvoWiki, an incremental question-answering architecture for dynamic long-form text. EvoWiki decouples offline incremental construction (BUILD) from online structured reading (READ). BUILD captures the intra-meeting micro-evolution from proposal to decision and uses entity version chains and a fine-grained State-Overwrite Protocol to explicitly distinguish current valid states from superseded history while preserving meeting-level provenance anchors. READ bypasses relevance-based Top-k retrieval and performs deterministic entity addressing, temporal resolution, and cross-entity multi-hop aggregation over the complete Wiki to produce grounded and traceable answers. We further introduce CrossMeet, a high-fidelity bilingual benchmark designed to simulate long-term state evolution, covering factual consistency, temporal reasoning, and cross-meeting multi-hop reasoning. Across six datasets and two reader models, EvoWiki improves macro-average Judge Accuracy over the strongest baselines by 9.72 and 10.00 percentage points, respectively. Human evaluation shows that EvoWiki is more robust and factually faithful under frequent state flips, validating valid-state-oriented reading as a reliable approach to cross-meeting knowledge evolution.
• Abstract（参考訳）: 複数のミーティングにまたがる長期的なコラボレーションでは、意思決定やリスクといった事実的状態が継続的に修正され、転覆され、置き換えられます。 既存の長いコンテキストのメソッドは一般的に履歴全体を積み重ねるが、RAGや構造化メモリのメソッドは知識を静的あるいは追加のみの事実として整理し、読み取り時に意味的関連性に依存する。 知識ライフサイクルの明示的なモデリングがなければ、これらのアプローチは、古い状態と新しい状態の衝突を同時に維持するか、歴史を破棄する可能性がある。 EvoWikiは、動的長文テキストのためのインクリメンタルな質問応答アーキテクチャである。 EvoWikiはオンライン構造化読解(READ)からオフラインインクリメンタルコンストラクション(BUILD)を分離する。 BUILDは、提案から決定へのマイクロ進化を捉え、エンティティバージョンチェーンと詳細なState-Overwrite Protocolを使用して、ミーティングレベルの前処理アンカーを保持しながら、現在の有効な状態と過渡した履歴を明確に区別する。 READは、関連性に基づくTop-k検索をバイパスし、決定論的エンティティアドレッシング、時間分解、および完全なWiki上のクロスエンタリティマルチホップアグリゲーションを実行し、基礎的でトレース可能な回答を生成する。 さらに、CrossMeetは、長期的な状態進化をシミュレートするために設計された高忠実なバイリンガルベンチマークで、事実整合性、時間的推論、マルチホップ推論を網羅する。 6つのデータセットと2つのリーダーモデルで、EvoWikiはマクロ平均の判断精度を最強の基準点である9.72と10.00で改善している。 人間による評価は、EvoWikiは、頻繁な状態フリップの下で、より堅牢で、事実的に忠実であることを示し、クロスミートな知識進化に対する信頼できるアプローチとして、有効な状態指向の読書を検証している。

関連論文リスト

• 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)
• TrajWiki: Source-Grounded Memory Trajectories for Long-Horizon Dialogue Agents [17.027152676146592]
  本稿では,長期会話エージェントのためのトラジェクトリベースのメモリフレームワークであるTrajWikiを提案する。 メモリを静的エントリとして扱う代わりに、TrajWikiは各メモリをソース基底の進化軌道として表現する。 TrajWikiはさらに、永続的な中間層であるMemory Wikiを導入し、対話履歴を構造化および相互リンクされたwikiページにインクリメンタルにコンパイルする。
  論文  参考訳（メタデータ） (2026-08-02T03:36:03Z)
• TRACE: State-Aware Query Processing over Temporal Evidence Graphs for Conversational Data [15.389000154441986]
  本稿では,時間的エビデンスグラフ上の問合せ処理フレームワークTRACEについて述べる。 TRACEは、イベント、セッション、トピックにまたがる階層的なグラフとして会話をモデル化する。 問合せ時に、TRACEは、ベクトルベースのノート検索とグラフ誘導エビデンス検索を組み合わせることで、妥当性を意識したサポートパスと、回答生成のためのハイブリッドコンテキストを生成する。
  論文  参考訳（メタデータ） (2026-07-01T02:28:47Z)
• REAL: A Reasoning-Enhanced Graph Framework for Long-Term Memory Management of LLMs [17.526686616588794]
  大きな言語モデル(LLM)は、長い時間をかけてユーザーと対話することがますます期待されている。 LLMは過去のすべてのインタラクションを保持することができず、履歴情報の保存、更新、検索には長期記憶管理が不可欠である。 REALは長期会話記憶を時間的かつ信頼性に配慮したプロパティグラフとして構成する。
  論文  参考訳（メタデータ） (2026-06-09T10:53:10Z)
• SAM: State-Adaptive Memory for Long-Horizon Reasoning Agent [51.274445160155864]
  ロングホライゾンのエージェント推論は、思考、ツールコール、観察、部分的な結論を含む長い相互作用履歴を通して行動するために大きな言語モデルを必要とする。 既存のアプローチでは、インタラクション履歴の切り抜き、短いサロゲートに圧縮、あるいは再利用のために選択した部分を取得することで、この問題に対処している。 我々は、インテント駆動リコールのための生のトラジェクトリページを保持しながら、継続的なインタラクションをコンパクトなメモリキューに統合するスタンドアロンフレームワークであるState-Adaptive Memoryを提案する。
  論文  参考訳（メタデータ） (2026-05-23T08:37:16Z)
• MINTEval: Evaluating Memory under Multi-Target Interference in Long-Horizon Agent Systems [69.06764269022925]
  本研究では,現在の記憶増強剤が現実的,干渉重大,長期的設定において果たす役割について検討する。 MINTEvalは、頻繁に更新される情報を備えた、長く高度に相互接続されたコンテキストを特徴とするベンチマークである。 MINTEvalは128.8kのトークンを平均で1インスタンスあたり1.8Mのトークンに拡張し、15.6kの質問応答ペアを持つ。
  論文  参考訳（メタデータ） (2026-05-18T15:43:35Z)
• Can Large Language Models Keep Up? Benchmarking Online Adaptation to Continual Knowledge Streams [78.9560820155271]
  我々は、ストリーミングよりもオンライン適応を評価し、知識を継続的に更新する。 OAKSはOAKS-BABIとOAKS-Novelの2つのデータセットから構成される。 最先端モデルとエージェントメモリシステムはどちらもOAKSにしっかりと適応できない。
  論文  参考訳（メタデータ） (2026-03-08T00:38:39Z)
• 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)
• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• PICASO: Permutation-Invariant Context Composition with State Space Models [98.91198288025117]
  State Space Models (SSM) は、コンテキストのデータベースを固定次元の状態にマッピング可能にすることで、有望なソリューションを提供する。 本研究では,SSM力学から導かれる単純な数学的関係を,生のコンテキストトークンの連結効果を効率的に近似する複数の状態に構成する。 我々は,WikiText と MSMARCO をゼロショットと微調整の両方で評価し,平均5.4倍のスピードアップを楽しみながら最強の演奏ベースラインと一致できることを示す。
  論文  参考訳（メタデータ） (2025-02-24T19:48:00Z)
• 'I Updated the <ref>': The Evolution of References in the English Wikipedia and the Implications for Altmetrics [0.0]
  われわれは、2019年6月までの英語ウィキペディアで使われたすべての参照(5500万以上)のデータセットを提示する。 ウィキペディアで参照を識別し、監視する新しい手法を適用したので、それぞれの参照に対して、関連するアクション(生成、修正、削除、再試行)に関するデータを提供できる。
  論文  参考訳（メタデータ） (2020-10-06T23:26:12Z)

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。