論文の概要: Hindsight Memory-PRM: Supervising Memory Management with Auditable Hindsight Credit

• arxiv url: http://arxiv.org/abs/2608.29605v1
• Date: Sun, 30 Aug 2026 06:53:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.017695
• Title: Hindsight Memory-PRM: Supervising Memory Management with Auditable Hindsight Credit
• Title（参考訳）: Hindsight Memory-PRM: Auditable Hindsight Creditによるメモリ管理の監視
• Abstract要約: Hindsight Memory-PRMはこの監査パスを2回利用します。 オフラインで操作条件付きメモリユーティリティの批判をトレーニングする。 オンラインでは、検索、引用、および1つの制御された削除と再回答が、介入校正されたエントリーレベルのプレゼンスクレジットを確定する。
• 参考スコア（独自算出の注目度）: 48.811961095386
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Memory operations of long-horizon LLM agents are hard to supervise: an operation's value is unobservable when it is taken. But they are special -- they leave machine-readable evidence in the trajectory: retrieval hits and answer-time citations. Hindsight Memory-PRM exploits this audit trail twice: offline to train an operation-conditioned memory-utility critic, and online, where retrievals, citations, and one controlled deletion-and-reanswer per probe settle an intervention-calibrated entry-level presence credit, propagated along version chains as an action-level proxy reward -- no per-operation human labels, no Monte-Carlo replay of continuations. On held-out LoCoMo a local 8B policy reaches 77.5% under a fixed shared reader, surpassing its API teacher (65.1%) and all reproduced external systems, at one eighth the context of Mem0's official operating point; on LongMemEval, 79.0%. Ablations attribute the gain to causal calibration rather than signal density, and the policy converges to a multi-version memory organization whose gains no tested open-loop baseline reproduces.
• Abstract（参考訳）: 長い水平 LLM エージェントのメモリ操作は監視が難しい。 しかし、それらは特別なもので、機械で読める証拠を軌跡に残している。 Hindsight Memory-PRMはこの監査パスを2回利用している: 動作条件付きメモリユーティリティ評論家をオフラインでトレーニングし、オンラインでは、検索、引用、および1回の制御された削除と再回答が、介入基準付きエントリーレベルのプレゼンスクレジットを解決し、アクションレベルのプロキシ報酬として、バージョンチェーンに沿って伝播する。 LoCoMoのローカル8Bポリシーは、固定された共有リーダーの下で77.5%に達し、API教師(65.1%)を上回り、すべての外部システムを再現している。 アブレーションは信号密度よりも因果校正により利得が得られ、そのポリシーはテストされたオープンループベースラインが再生されないマルチバージョンメモリ組織に収束する。

関連論文リスト

• AGM: Achievement-Grounded Memory for Closed-Loop Agents with Frozen VLA Policies [17.09836507714724]
  本稿では,凍結視覚言語行動(VLA)ポリシーのためのAGM(Achievement-Grounded Memory)を提案する。 AGMは、タスクをプログレスポインタ付きサブゴールシーケンスとして表現し、現在のサブゴールが物理的証拠によって検証された後にのみ、このメモリを前進させる。 RoboMME Countingベンチマークでは、AGMがPickXTimesとBinFillに到達し、メモリ拡張ベースラインを平均で上回っている。
  論文  参考訳（メタデータ） (2026-08-30T03:50:49Z)
• MemArbiter: Decision-Time Memory Arbitration for Long-Horizon LLM Agents [14.82470944373943]
  本稿では,関数対応メモリ調停フレームワークであるMemArbiterを提案する。 MemArbiterは、インタラクション履歴をアトミックアイテムに分解し、5つの機能的メモリバンクに編成する。 MemArbiterは、500と750の予算で82.8%、92.5%の成功率を達成した。
  論文  参考訳（メタデータ） (2026-08-03T12:10:52Z)
• When Memory Becomes Authority: Benchmarking Authority Collapse at the Memory Consolidation Boundary [12.82709779460352]
  LLMエージェントは不均一な相互作用履歴を再利用可能な事実、嗜好、観察、規則に集約することでタスクに適応する。 我々は、権限の崩壊を特定し、統合は、その認可された使用を規制するソース制約を消去しながら、クレームを保護します。 メモリ駆動型適応は、学習したものだけでなく、再利用される可能性のある権威も保持しなければならないことを示す。
  論文  参考訳（メタデータ） (2026-08-03T04:15:40Z)
• 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)
• Memory Depth, Not Memory Access: Selective Parametric Consolidation for Long-Running Language Agents [0.0]
  メモリ深度:小さなパラメトリックストアに書き込まれた耐久性のあるゴール条件付き傾向について検討する。 我々は,作業環境がアンロードされている間,検索インデックスが無傷である制御ストレステストであるループドリフトプロトコルを導入する。 選択的凝縮は2つの制御可能な次元(選択とアクティベーション)に分解される。
  論文  参考訳（メタデータ） (2026-06-25T09:42:56Z)
• Memory is Reconstructed, Not Retrieved: Graph Memory for LLM Agents [51.30250860677378]
  本稿では,連想記憶グラフとアクティブな再構成機構を組み合わせたフレームワークであるMRAgentを提案する。 Cue-Tag-Contentグラフ上で実行することで,メモリアクセスに直接推論を統合する。 LoCoMoベンチマークとLongMemEvalベンチマークの実験は、強いベースラインよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2026-06-04T11:29:46Z)
• 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)
• Is One Score Enough? Rethinking the Evaluation of Sequentially Evolving LLM Memory [50.857546269660276]
  本稿では,大規模言語モデル(LLM)メモリを逐次進化させる診断評価フレームワークであるSeqMem-Evalを紹介する。 最終的なパフォーマンスのみに焦点を当てるのではなく、SeqMem-Evalは、シーケンシャル推論において、メモリ状態がどのように進化し、一般化し、エクスペリエンスを集約し、有用な情報を保持するかを評価する。
  論文  参考訳（メタデータ） (2026-05-14T20:15:22Z)
• 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)

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。