論文の概要: MEMO: Multimodal Evidence Memory Organization for Long-Horizon LLM Agents

• arxiv url: http://arxiv.org/abs/2609.07471v1
• Date: Mon, 07 Sep 2026 13:24:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 00:16:43.479056
• Title: MEMO: Multimodal Evidence Memory Organization for Long-Horizon LLM Agents
• Title（参考訳）: MEMO:長期LDMエージェントのためのマルチモーダルエビデンス記憶機構
• Abstract要約: 長期にわたるLLMエージェントは、単一のコンテキストウィンドウを超えて情報を保存し再利用するために外部メモリに依存している。 エージェント記憶の鍵となる課題は、関連する記録を取得することだけでなく、特定の予算の下で必要な証拠を選択することである。 既存のメモリ読み出し方法は、主にテキストまたはビジュアルフォームを使用する。
• 参考スコア（独自算出の注目度）: 24.912135848528845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-running LLM agents rely on external memory to store and reuse information beyond a single context window, yet there is a fundamental tension between the continuous accumulation of interaction trajectories and the limited context capacity. The key challenge in agent memory is therefore not only to retrieve relevant records, but also to select necessary evidence under a given budget and organize it in an appropriate modality. Existing memory readout methods mainly use textual or visual forms. Text preserves high fidelity, but its linear token representation makes contents with different importance compete for the limited context at nearly uniform unit cost. Visual readout renders text into document-like images, which can use two-dimensional layouts to expose structure and emphasize key information, but it may lose fine-grained details during rendering and compression. To address this issue, we propose MEMO, a multimodal evidence memory organization method for LLM agents. MEMO first uses a trained evidence extractor to select relevant memory blocks and form evidence units with source information and presentation requirements. A trained query-conditioned memory manager assigns each unit to a textual, visual, or dual-channel carrier and selects a layout that matches the evidence structure. A deterministic memory construction module then generates the textual package and visual pages. The memory manager is trained with feedback from an offline reader that measures the utility of the guided memory plan, so that retention and presentation decisions align with downstream usage. We evaluate MEMO on four benchmarks, HotpotQA, 2WikiMultiHopQA, LoCoMo, and ALFWorld, with multiple reader backends. The results show that MEMO presents memory more efficiently with fewer memory tokens, improves downstream task performance, and builds more effective working memory under constrained budgets.
• Abstract（参考訳）: 長期にわたるLLMエージェントは、単一のコンテキストウインドウを超えて情報を保存し再利用するために外部メモリに依存しているが、相互作用軌跡の継続的な蓄積と限られたコンテキストキャパシティとの間には根本的な緊張関係がある。 したがって、エージェントメモリにおける重要な課題は、関連するレコードを取得するだけでなく、所定の予算の下で必要な証拠を選択し、適切なモダリティでそれを整理することである。 既存のメモリ読み出し方法は、主にテキストまたはビジュアルフォームを使用する。 テキストは高い忠実さを保っているが、その線形トークン表現により、異なる重要性を持つコンテンツは、ほぼ均一な単価で制限されたコンテキストに競合する。 Visual Readoutはテキストをドキュメントのようなイメージにレンダリングする。2次元レイアウトを使用して構造を公開し、キー情報を強調することができるが、レンダリングと圧縮の間は細かな詳細が失われる可能性がある。 この問題に対処するため,LLMエージェントのマルチモーダルエビデンスメモリ機構であるMEMOを提案する。 MEMOはまず、訓練されたエビデンス抽出器を使用して、関連するメモリブロックを選択し、ソース情報とプレゼンテーション要求を備えたエビデンスユニットを形成する。 訓練されたクエリ条件付きメモリマネージャは、各ユニットをテキスト、ビジュアル、またはデュアルチャネルキャリアに割り当て、エビデンス構造にマッチしたレイアウトを選択する。 決定論的メモリ構築モジュールは、テキストパッケージとビジュアルページを生成する。 メモリマネージャは、ガイドされたメモリプランの実用性を測定するオフラインリーダーからのフィードバックで訓練され、保持とプレゼンテーションの決定が下流の使用と一致する。 我々は,HotpotQA,2WikiMultiHopQA,LoCoMo,ALFWorldの4つのベンチマークでMEMOを評価する。 その結果,MEMOはメモリトークンの少ないメモリを効率よく提供し,ダウンストリームタスク性能を改善し,制約された予算下でより効率的なワーキングメモリを構築することができた。

関連論文リスト

• LeanMem: Simple and Efficient Long-Term Memory for LLM Agents [21.43772050088654]
  軽量な長期記憶フレームワークであるLeanMemを提案する。 推論中、LeanMemは動的にメモリタイプを選択し、クエリ固有のエビデンス要求に従って検索予算を割り当てる。 GPT-4.1-miniとQwen3-8BのLoCoMoとLongMemEval-Sでは、LeanMemは全ての設定において最強のメモリベースベースラインよりも精度を向上させる。
  論文  参考訳（メタデータ） (2026-08-04T10:59:49Z)
• 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)
• From Passive Retrieval to Active Memory Navigation: Learning to Use Memory as a Structured Action Space [27.456426188493094]
  NapMemは、ユーザ履歴をリンクされた多粒度メモリピラミッドにまとめる。 エージェントはクエリと中間的なエビデンスに従ってメモリを選択するように訓練される。
  論文  参考訳（メタデータ） (2026-07-07T03:47:12Z)
• 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)
• Mem-Gallery: Benchmarking Multimodal Long-Term Conversational Memory for MLLM Agents [76.76004970226485]
  長期記憶はマルチモーダル大言語モデル(MLLM)エージェントにとって重要な機能である。 Mem-GalleryはMLLMエージェントのマルチモーダル長期会話メモリ評価のための新しいベンチマークである。
  論文  参考訳（メタデータ） (2026-01-07T02:03:13Z)
• Agentic Memory: Learning Unified Long-Term and Short-Term Memory Management for Large Language Model Agents [57.38404718635204]
  大規模言語モデル (LLM) エージェントは、有限コンテキストウィンドウによる長距離推論において基本的な制限に直面している。 既存のメソッドは通常、長期記憶(LTM)と短期記憶(STM)を独立したコンポーネントとして扱う。 本稿では,エージェントのポリシーに LTM と STM 管理を直接統合する統合フレームワークである Agentic Memory (AgeMem) を提案する。
  論文  参考訳（メタデータ） (2026-01-05T08:24:16Z)
• MemLoRA: Distilling Expert Adapters for On-Device Memory Systems [71.32550994522738]
  メモリ拡張大言語モデル(LLM)は対話中に顕著な一貫性を示す。 MemLoRAは、小さなVision-Language Modelを統合する新しいメモリシステムである。 VLM統合MemLoRA-Vはキャプションベースのアプローチで大幅に改善されている。
  論文  参考訳（メタデータ） (2025-12-04T12:56:30Z)
• Memory-R1: Enhancing Large Language Model Agents to Manage and Utilize Memories via Reinforcement Learning [89.55738101744657]
  大規模言語モデル(LLM)は、幅広いNLPタスクで印象的な機能を示しているが、基本的にはステートレスである。 本稿では,LLMに外部メモリを積極的に管理・活用する機能を備えた強化学習フレームワークであるMemory-R1を提案する。
  論文  参考訳（メタデータ） (2025-08-27T12:26:55Z)
• Multiple Memory Systems for Enhancing the Long-term Memory of Agent [9.43633399280987]
  MemoryBankやA-MEMといった既存の手法は、記憶されているメモリの質が劣っている。 我々は認知心理学理論にインスパイアされた多重記憶システムを設計した。
  論文  参考訳（メタデータ） (2025-08-21T06:29:42Z)
• SCM: Enhancing Large Language Model with Self-Controlled Memory Framework [54.33686574304374]
  大きな言語モデル(LLM)は、長い入力を処理できないため、重要な歴史的情報が失われる。 本稿では,LLMが長期記憶を維持し,関連する情報をリコールする能力を高めるための自己制御メモリ(SCM)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-26T07:25:31Z)

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。