論文の概要: MedCache: Efficient and Temporally Valid Memory for Longitudinal Clinical Agents

• arxiv url: http://arxiv.org/abs/2608.29528v1
• Date: Sun, 30 Aug 2026 03:28:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.990258
• Title: MedCache: Efficient and Temporally Valid Memory for Longitudinal Clinical Agents
• Title（参考訳）: メドキャッシュ : 長期臨床薬の有効かつ一時的有効記憶
• Abstract要約: 本報告では, 長期的証拠検索, クロスタイム的証拠収集, およびクロステキスト的臨床推論を評価するマルチビジット・マルチコンテキスト患者記録のベンチマークについて紹介する。 このベンチマークを用いて、我々は、キュレーション、組織、検索、およびメモリ拡張推論の4つのメモリ設計選択を体系的に研究した。 我々は、時間的に有効な患者記憶を構築し、エビデンスを重複する専門的なビューに整理し、各クエリを関連記憶にルーティングし、1つまたは複数の専門家を適応的に呼び出すハイブリッドフレームワークであるtextitMedCacheを提案する。
• 参考スコア（独自算出の注目度）: 21.198155448403444
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Longitudinal clinical agents must maintain an evolving patient state from evidence distributed across visits, time points, and specialties. However, how agent memory should be designed for this setting remains unclear. We introduce a benchmark of multi-visit, multi-specialty patient records that evaluates long-context evidence retrieval, cross-time evidence aggregation, and cross-specialty clinical reasoning. Using this benchmark, we systematically study four memory design choices: curation, organization, retrieval, and memory-augmented reasoning. We find that temporal validity is more important than simply retaining more history; specialty-factorized memory reduces context but can hide shared evidence; and multiple agents help when specialists must reason together, not merely when evidence comes from multiple memories. Guided by these findings, we propose \textit{MedCache}, a hybrid framework that constructs temporally valid patient memory, organizes evidence into overlapping specialty views, routes each query to relevant memories, and adaptively invokes one or multiple specialists. Experiments show that MedCache improves reasoning accuracy and memory efficiency over strong single-agent and multi-agent baselines, while generalizing across model backbones and external datasets.
• Abstract（参考訳）: 長期臨床薬は、訪問、時間、専門性にまたがる証拠から、進化する患者の状態を維持しなければならない。 しかし、この設定のためにエージェントメモリをどのように設計すべきかは、まだ不明である。 本稿では,長期的証拠検索,クロスタイム・エビデンス・アグリゲーション,クロススペクティ・クリニカル・推論を評価するマルチビジット・マルチスペクティ・患者記録のベンチマークを紹介する。 このベンチマークを用いて、我々は、キュレーション、組織、検索、およびメモリ拡張推論の4つのメモリ設計選択を体系的に研究した。 時間的正当性は、単により多くの履歴を保持することよりも重要であること、専門化された記憶は文脈を減らし、共有された証拠を隠すことができること、そして複数のエージェントは、複数の記憶から証拠が得られた場合に限らず、専門家が一緒に考える必要があるときに助けになる。 これらの知見に導かれて、時間的に有効な患者記憶を構築し、エビデンスを重複する専門的なビューに整理し、各クエリを関連記憶にルーティングし、1つまたは複数の専門家を適応的に呼び出すハイブリッドフレームワークである「textit{MedCache}」を提案する。 実験によると、MedCacheは強力なシングルエージェントとマルチエージェントのベースラインよりも推論精度とメモリ効率を改善し、モデルバックボーンと外部データセットをまたいで一般化している。

関連論文リスト

• UTILMEM: Benchmarking Evidence Utilization in Long-Term Conversational Memory [32.625416782173204]
  メモリ使用率を評価するための診断ベンチマークであるUtilMemを紹介する。 従来のファクトメモリベンチマークの強い性能は、有効メモリ利用に確実に変換されないことが判明した。 これらの知見は,記憶されている情報へのアクセスと有効利用との間に大きなギャップを生じさせ,長期の会話記憶の進歩には,検索妨害に対する証拠統合と堅牢性を明確に支援するアーキテクチャが必要であることを示唆している。
  論文  参考訳（メタデータ） (2026-08-31T09:41:26Z)
• 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)
• Experience Makes Skillful: Enabling Generalizable Medical Agent Reasoning via Self-Evolving Skill Memory [43.487137083499704]
  SkeMexはデプロイ後のフレームワークで、モデルの重みを更新することなく、スキルベースのメモリを通じて医療エージェントを改善する。 情報的相互作用の軌跡を、再利用可能な手続き的知識を符号化する構造化されたスキルに蒸留する。 環境フィードバックからコンテキスト依存のユーティリティを推定し、バリューアウェアな検索とリポジトリガバナンスのガイドに使用します。
  論文  参考訳（メタデータ） (2026-06-08T11:37:01Z)
• MemEye: A Visual-Centric Evaluation Framework for Multimodal Agent Memory [80.97855900579512]
  既存の評価では、エージェントが後続の推論に必要な視覚的証拠を保存するかどうかを検査することはめったにない。 メモリ性能を2次元から評価するフレームワークであるMemEyeを紹介する。 本フレームワークでは,8つのライフシナリオタスクにまたがる新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-05-14T17:37:52Z)
• AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents [49.63422082885992]
  長軸対話エージェントのための適応型ユーザ中心メモリフレームワークであるAdaMemを提案する。 AdaMemは対話履歴をワーキング、エピソディック、ペルソナ、グラフメモリに整理する。 LoCoMo と PERSONAMEM ベンチマーク上での AdaMem の評価を行った。
  論文  参考訳（メタデータ） (2026-03-17T13:22:54Z)
• MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks [55.145729491377374]
  メモリを持つエージェントの既存の評価は、通常、単独で記憶と行動を評価する。 マルチセッションメモリ-エージェント環境ループにおけるエージェントメモリのベンチマークのための統合評価ジムであるMemoryArenaを紹介する。 MemoryArenaは、Webナビゲーション、優先制約付き計画、プログレッシブ情報検索、シーケンシャルなフォーマルな推論を含む評価をサポートする。
  論文  参考訳（メタデータ） (2026-02-18T09:49:14Z)
• 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)
• MemWeaver: Weaving Hybrid Memories for Traceable Long-Horizon Agentic Reasoning [26.119505362626338]
  本稿では,長期エージェント体験を3つの相互接続コンポーネントに集約する統合メモリフレームワークを提案する。 MemWeaverは、構造化された知識を共同で検索し、エビデンスをサポートし、コンパクトで情報密度の高いコンテキストを構築するデュアルチャネル検索戦略を採用している。
  論文  参考訳（メタデータ） (2026-01-26T06:39:27Z)
• Memory Matters More: Event-Centric Memory as a Logic Map for Agent Searching and Reasoning [55.251697395358285]
  大規模言語モデル(LLM)は、環境を推論し、計画し、相互作用するインテリジェントエージェントとして、ますます多くデプロイされている。 長期のシナリオに効果的にスケールするには、そのようなエージェントの重要な機能は、過去の経験を保持し、整理し、取り出すことができるメモリメカニズムである。 イベント理論にインスパイアされたイベント中心のメモリフレームワークであるCompassMemを提案する。
  論文  参考訳（メタデータ） (2026-01-08T08:44:07Z)
• Memory in the Age of AI Agents [217.9368190980982]
  この研究は、現在のエージェントメモリ研究の最新の展望を提供することを目的としている。 我々は,エージェントメモリ,すなわちトークンレベル,パラメトリック,潜時メモリの3つの支配的実現を同定する。 実用的な開発を支援するため、メモリベンチマークとオープンソースフレームワークの包括的な概要をコンパイルする。
  論文  参考訳（メタデータ） (2025-12-15T17:22:34Z)

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。