論文の概要: ROAM: Robust Organization of Atomic Memories for Agents through Semantic Relations
- arxiv url: http://arxiv.org/abs/2609.09778v1
- Date: Wed, 09 Sep 2026 06:29:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.917558
- Title: ROAM: Robust Organization of Atomic Memories for Agents through Semantic Relations
- Title（参考訳）: ROAM:セマンティックな関係によるエージェントのための原子メモリのロバストな組織化
- Abstract要約: ROAMは、管理に原子性を用いる関係ガイダンスフレームワークである。
ROAMは、入射貯蔵された原子対を独立、等価、方向推定、衝突と分類し、観察をアクティブプライマリに整理し、エビデンスの役割を支持する。
モデルと評価設定全体で、ROAMは解答精度を最大29.8ポイント改善する。
- 参考スコア（独自算出の注目度）: 11.811011255683885
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-term language-model agents rely on external memory across interactions. Atomic memories are particularly useful: their fine-grained semantic boundaries enable precise retrieval and direct comparison between observations. Yet accumulating atoms inevitably become redundant, overlapping, or conflicting. Existing methods often ask an LLM manager to add, update, delete, or rewrite memories directly, coupling semantic interpretation, storage decisions, and content generation in one error-prone operation. We introduce ROAM, a relation-guided framework that uses atomicity for management while allowing richer answer-time representations. ROAM classifies incoming--stored atom pairs as independent, equivalent, directionally subsuming, or conflicting, then organizes observations into active Primary and supporting Evidence roles. Fusion subsequently combines complementary details and temporal changes into compact, potentially non-atomic views. Only Primary views are retrieved for answering, preventing redundant or outdated atoms from competing independently. Across models and evaluation settings, ROAM improves answer accuracy by up to 29.8 percentage points. Ablations show complementary benefits from different relations and consistent gains from fusion beyond role organization. Mechanism analysis further finds 15.6-point higher answer-critical source recall and an 11.5-point lower confounder-token share. ROAM remains robust across manager scales.
- Abstract（参考訳）: 長期的な言語モデルエージェントは、インタラクション間の外部メモリに依存している。
原子記憶は特に有用であり、粒度の細かいセマンティック・バウンダリは、観測の正確な検索と直接比較を可能にする。
しかし、蓄積する原子は必然的に冗長になり、重複し、矛盾する。
既存のメソッドは、LLMマネージャに直接メモリの追加、更新、削除、書き直し、セマンティックな解釈、ストレージの決定、コンテンツ生成を1つのエラーを起こしやすい操作で行うように要求する。
ROAM(Relation-Guided framework)は、よりリッチな応答時間表現を可能にしながら、管理に原子性を利用する。
ROAMは、入射貯蔵された原子対を独立、等価、方向推定、衝突と分類し、観察をアクティブプライマリに整理し、エビデンスの役割を支持する。
融合はその後、補完的な詳細と時間的変化を、コンパクトで潜在的に非原子的なビューに組み合わせる。
プライマリビューのみが解答のために検索され、冗長または時代遅れの原子が独立して競合するのを防ぐ。
モデルと評価設定全体で、ROAMは解答精度を最大29.8ポイント改善する。
アブレーションは、異なる関係による補完的な利益と、役割組織を超えて融合による一貫した利益を示している。
メカニズム分析により、15.6ポイントの解答クリティカルソースリコールと11.5ポイントの共同ファウンダー-tokenシェアがさらに増加する。
ROAMは、マネージャの規模で引き続き堅牢です。
関連論文リスト
- AtomRec: Evolving Atomic Memory for Agentic Recommendation [14.005948137340352]
textscAtomRecは、ユーザとアイテムのメモリを構造化原子単位として表現する。
textscAtomRecは、最先端のエージェントとメモリ拡張ベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-09-04T08:38:48Z) - SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。
正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。
変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
論文 参考訳（メタデータ） (2026-08-04T13:16:15Z) - MRMS: A Multi-Resolution Memory Substrate for Long-Lived AI Agents [2.808851478009314]
長期的なAIエージェントは、相互作用の連続性を必要とする。
プロンプトウィンドウを拡張するだけで連続性を得ることはできない。
2つの軸に沿って構成されたアーキテクチャ記憶基板を提案する。
論文 参考訳（メタデータ） (2026-07-06T02:54:37Z) - Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。
アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。
ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文 参考訳（メタデータ） (2026-04-21T15:05:58Z) - Beyond RAG for Agent Memory: Retrieval by Decoupling and Aggregation [22.803751188961865]
検索は類似性マッチングを超えて移動し、代わりに潜在コンポーネントを操作するべきだと我々は主張する。
我々は、無傷ユニットの階層を構築し、検索可能な高レベルノード組織を維持するxMemoryを提案する。
論文 参考訳（メタデータ） (2026-02-02T12:04:58Z) - 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) - Amory: Building Coherent Narrative-Driven Agent Memory through Agentic Reasoning [14.368376032599437]
Amoryは、オフライン時に構造化されたメモリ表現を積極的に構築するワーキングメモリフレームワークである。
アモリーは会話の断片を叙事詩の物語に整理し、記憶を運動量と統合し、周辺事実を意味記憶に意味づける。
Amoryは従来の最先端よりも大幅に改善され、パフォーマンスは完全なコンテキスト推論に匹敵し、レスポンスタイムを50%削減した。
論文 参考訳（メタデータ） (2026-01-09T19:51:11Z) - RefAtomNet++: Advancing Referring Atomic Video Action Recognition using Semantic Retrieval based Multi-Trajectory Mamba [86.47790050206306]
RefAVA++は290万フレームと75.1kの注釈付き人で構成される。
RefAtomNet++は、多階層的なセマンティックアラインなクロスアテンションメカニズムを通じて、クロスモーダルトークンアグリゲーションを前進させる。
実験によると、RefAtomNet++は新しい最先端の結果を確立している。
論文 参考訳（メタデータ） (2025-10-18T10:41:19Z) - Retrieval-Augmented Generation with Conflicting Evidence [57.66282463340297]
大規模言語モデル (LLM) エージェントは、応答の事実性を改善するために、検索強化世代 (RAG) をますます採用している。
実際には、これらのシステムは曖昧なユーザクエリを処理し、複数のソースからの情報に衝突する可能性がある。
RAMDocs(Retrieval with Ambiguity and Misinformation in Documents)は,ユーザクエリのエビデンスを矛盾させるような,複雑で現実的なシナリオをシミュレートする新しいデータセットである。
論文 参考訳（メタデータ） (2025-04-17T16:46:11Z) - In Prospect and Retrospect: Reflective Memory Management for Long-term Personalized Dialogue Agents [70.12342024019044]
大規模言語モデル(LLM)は、オープンエンド対話において大きな進歩を遂げているが、関連する情報の保持と取得ができないため、その有効性は制限されている。
本稿では,長期対話エージェントのための新しいメカニズムであるリフレクティブメモリ管理(RMM)を提案する。
RMMは、LongMemEvalデータセットのメモリ管理なしでベースラインよりも10%以上精度が向上している。
論文 参考訳（メタデータ） (2025-03-11T04:15:52Z) - Atomic Fact Decomposition Helps Attributed Question Answering [29.67882325906939]
Attributed Question Answering (AQA)は、質問に対する信頼できる回答と信頼できる属性レポートを提供することを目的としている。
本稿では,アトミックな事実分解に基づくRetrieval and Editingフレームワークを提案する。
生成した長文の回答を、命令調整されたLSMによって分子節と原子事実に分解する。
論文 参考訳（メタデータ） (2024-10-22T05:25:54Z)
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。