論文の概要: AWM: Answerable Working Memory for Long-Document VQA Agents

• arxiv url: http://arxiv.org/abs/2608.25618v1
• Date: Wed, 26 Aug 2026 10:35:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.768225
• Title: AWM: Answerable Working Memory for Long-Document VQA Agents
• Title（参考訳）: AWM: 長期化VQAエージェントのための解答可能なワーキングメモリ
• Authors: Dongzhuoran Zhou, Yuqicheng Zhu, Yule Liu, Zhen Yang, Rui Lu, Yuxiao Dong, Jie Tang, Evgeny Kharlamov,
• Abstract要約: ワーキングメモリは、後に根拠づけられた回答のために、ページ検査全体にわたって回答を支持するエビデンスを実行するべきである。 本稿では,読取者が質問に答えられるか,端末の作業メモリだけで答えられるか,という診断手法である,メモリオンリーの回答可能性について紹介する。 AWM-GRPOは、テキストscMMLongBench-DocとtextscLongDocURLでRAGベースラインに対する最終回答精度を8.1および1.9ポイント改善し、応答のみのGRPOよりもメモリ損失補正率を2.7ポイント削減する。
• 参考スコア（独自算出の注目度）: 57.741922050360074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-document visual question answering increasingly relies on VLM agents that retrieve candidate pages, inspect page images, write findings to working memory, and synthesize answers. Working memory should carry answer-supporting evidence across page inspections for later grounded answering, yet existing evaluation mainly checks final-answer correctness and evidence-page access. This creates a memory-quality blind spot: an agent may reach the right page and answer correctly while leaving behind memory too generic or incomplete to support answering once page context is removed. We introduce \emph{memory-only answerability}, a diagnostic that asks whether a reader can answer from the question and terminal working memory alone. Building on this diagnostic, \emph{Answerable Working Memory} (AWM) treats terminal working memory as an answerable evidence artifact, and AWM-GRPO incorporates this signal into the GRPO reward while preserving final-answer priority. Under GRPO, this reward assigns higher advantages to answer-correct trajectories whose terminal working memory remains answerable. On \textsc{MMLongBench-Doc}, even when gold evidence pages are provided, 42.5\% of correct answers still cannot be answered from terminal working memory alone. AWM-GRPO improves final-answer accuracy over the RAG baseline by 8.1 and 11.9 points on \textsc{MMLongBench-Doc} and \textsc{LongDocURL} and reduces the memory-missing-correct rate by 2.7 points over answer-only GRPO.
• Abstract（参考訳）: VLMエージェントは、候補ページを検索し、ページイメージを検査し、結果をワーキングメモリに書き、回答を合成する。 ワーキングメモリは、後に根拠づけられた回答のためのページ検査全体にわたって回答支援エビデンスを実行するべきであるが、既存の評価は主に最終回答の正しさとエビデンスページアクセスをチェックする。 エージェントが正しいページに到達して正解する一方で、メモリの残りはジェネリックすぎるか不完全で、ページコンテキストが削除されたときの応答をサポートする。 我々は,読者が質問に答えられるかどうかを判断し,端末の作業メモリだけで答えられるかどうかを判断する「emph{Memory-only answerability}」を導入する。 この診断に基づいて、 \emph{Answerable Working Memory} (AWM) は終端ワーキングメモリを応答可能なエビデンスアーティファクトとして扱い、AWM-GRPO はこの信号をGRPO報酬に組み込み、最終回答優先度を保存する。 GRPOの下では、この報酬は、終端動作メモリが応答可能な正解軌道により高い利点を割り当てる。 textsc{MMLongBench-Doc} では、ゴールドエビデンスページが提供されても、42.5\% の正しい回答はターミナルワーキングメモリだけでは答えられません。 AWM-GRPO は、RAG ベースラインに対する最終回答精度を \textsc{MMLongBench-Doc} と \textsc{LongDocURL} で 8.1 と 11.9 で改善し、応答のみのGRPO でメモリ損失補正率を 2.7 ポイント削減する。

関連論文リスト

• 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)
• A-TMA: Decoupling State-Aware Memory Failures in Long-Term Agent Memory [7.7803190371583]
  我々は,記憶バンク内に共存する古い,現在の,遷移の事実が検索中に混在している状態調整障害であるemphghostメモリについて検討し,その解答モデルを誤導する。 我々は,既存のメモリシステムのための状態認識オーバレイであるATMAを提案する。ATMAは,銀行内における過大評価とトランジションの記録を保持し,現在,歴史,およびトランジションラベルをQAに公開する。
  論文  参考訳（メタデータ） (2026-07-02T09:28:29Z)
• 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)
• AdaMem: Learning What to Remember for Personalized Long-Horizon LLM Agents [79.03892269184145]
  我々は、記憶に値するものはロール依存であり、 textbfAdaMem (Adaptive Memory)を提案する。 AdaMemは、メモリ容量をtextbf9%削減しながら、均一なMem0ベースライン上で textbf+9.0% まで精度を向上する。
  論文  参考訳（メタデータ） (2026-06-19T06:35:52Z)
• InfoMem: Training Long-Context Memory Agents with Answer-Conditioned Information Gain [26.098768400948614]
  長いコンテキストタスクは、大きなコンテキストから回答関連情報を識別し保存するためにLLMを必要とする。 既存のRLベースのチャンクワイドエージェントは、スパースファイナルアンサー報酬に依存するか、メモリと検索アクションの語彙中間報酬を使用する。 本稿では,問合せ情報を用いた最終記憶ユーティリティの評価を行う,チャンクワイドメモリエージェントの学習のための報奨機構であるInfoMemを提案する。
  論文  参考訳（メタデータ） (2026-06-02T08:39:03Z)
• DeferMem: Query-Time Evidence Distillation via Reinforcement Learning for Long-Term Memory QA [3.56156695760535]
  大規模言語モデル(LLM)エージェントは、依然として長期記憶疑問応答に苦慮している。 本稿では,この問題をハイリコール候補検索とクエリ条件のエビデンス蒸留に分離する長期記憶フレームワークであるDederMemを紹介する。 LoCoMoとLongMemEval-Sでは、DeferMemはQAの精度とメモリシステムの効率性において強力なベースラインを超えている。
  論文  参考訳（メタデータ） (2026-05-21T12:36:46Z)
• SAGE: A Self-Evolving Agentic Graph-Memory Engine for Structure-Aware Associative Memory [40.68349164818526]
  本稿では,グラフメモリを動的長期記憶基板としてモデル化する自己進化型エージェントグラフメモリエンジンであるSAGEを紹介する。 SAGEには2つの役割がある: 相互作用履歴から構造化されたグラフメモリを漸進的に構成するメモリライタと、検索とメモリライタへのフィードバックを提供するGraph Foundation Modelベースのメモリリーダである。
  論文  参考訳（メタデータ） (2026-05-12T12:47:43Z)
• 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)
• Fine-Mem: Fine-Grained Feedback Alignment for Long-Horizon Memory Management [63.48041801851891]
  Fine-Memは、きめ細かいフィードバックアライメントのために設計された統一されたフレームワークである。 MemalphaとMemoryAgentBenchの実験は、Fin-Memが強い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） (2026-01-13T11:06:17Z)

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。