論文の概要: Grounding Agent Memory: Environment-Probing Curation for Enterprise Agents
- arxiv url: http://arxiv.org/abs/2609.11060v1
- Date: Thu, 10 Sep 2026 04:06:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.208324
- Title: Grounding Agent Memory: Environment-Probing Curation for Enterprise Agents
- Title（参考訳）: 接地エージェントメモリ: 企業エージェントの環境保護キュレーション
- Abstract要約: 既存の非同期キュレーターエージェントを最小限に設定するデプロイメント互換拡張である環境保護キュレーションを導入する。
モデルの再トレーニングは不要で、タスクエージェント、レトリバー、メモリ表現、プロダクション書き込み権限は変わらない。
CLBenchでは、確率はパスレートを39%から73%、パスカウント報酬を8.60から22.60に引き上げ、クエリを8.8から4.7に下げる。
- 参考スコア（独自算出の注目度）: 37.62160903348546
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Persistent memory is entering production-oriented agent platforms to help long-horizon agents accumulate experience across sessions. Yet a post-task curator agent restricted to completed trajectories can preserve errors, overgeneralize partial evidence, or retain stale knowledge. We introduce environment-probing curation, a deployment-compatible extension that gives an existing asynchronous curator agent least-privilege, read-only world tools to check, scope, and refresh candidate memories. It requires no model retraining and leaves the task agent, retriever, memory representation, and production write authority unchanged. In a production-like GitHub Copilot (GHCP) harness built on its SDK, we compare stateless execution, full in-context learning, GHCP + Mem, and GHCP + Mem (w/ Env Probing) on CLBench database exploration and 90 adapted APEX management-consulting tasks. On CLBench, probing raises pass rate from 39% to 73% and pass-discounted reward from 8.60 to 22.60 while reducing queries from 8.8 to 4.7 per question and task-agent cost from \$3.38 to \$1.68. Across six APEX worlds, all 18 memory-versus-baseline mean reward comparisons are positive and task-agent tool calls fall by 16--75%; probing gives the best task-agent reward gain per dollar in five worlds. Probing also attains higher mean reward than GHCP + Mem on both Sonnet 4.6 and Opus 4.7 without schema drift. Environment probing therefore turns existing agent-memory curation into an environment-informed, auditable process while preserving a compact task-time interface.
- Abstract（参考訳）: 永続メモリがプロダクション指向のエージェントプラットフォームに入り、長時間のエージェントがセッション間での経験を蓄積するのに役立つ。
しかし、タスク後のキュレーターエージェントは、完了した軌跡に制限され、エラーを保存したり、部分的な証拠を過度に一般化したり、古い知識を保持することができる。
既存の非同期キュレーターエージェントを最小限のプライベートでリードオンリーのワールドツールで、候補メモリのチェック、スコープ、リフレッシュを行うことができる。
モデルの再トレーニングは不要で、タスクエージェント、レトリバー、メモリ表現、プロダクション書き込み権限は変わらない。
SDK上に構築されたプロダクションライクなGitHub Copilot(GHCP)ハーネスでは、ステートレス実行、フルコンテキスト学習、GHCP + Mem、CLBenchデータベース探索におけるGHCP + Mem(w/Env Probing)、および90のAPEX管理コンサルトタスクを比較します。
CLBenchでは、パスレートを39%から73%に引き上げ、パスカウント報酬を8.60から22.60に、クエリを8.8から4.7に、タスクエージェントコストを3.38から1.68に下げている。
6つのAPEX世界において、18のメモリ対ベースライン平均報酬比較はすべて肯定的であり、タスクエージェントツールコールは16-75%減少している。
また、Sonnet 4.6 と Opus 4.7 の両方で GHCP + Mem よりも高い平均報酬が得られる。
環境探索は、既存のエージェントメモリのキュレーションを、コンパクトなタスクタイムインタフェースを維持しながら、環境に適応した監査可能なプロセスに変換する。
関連論文リスト
- SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。
4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
論文 参考訳（メタデータ） (2026-09-02T07:31:18Z) - Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses [83.32611586724165]
Recurisは、ロングホライゾンエージェントハーネスのためのExperiential-Working Memoryアーキテクチャである。
Work Memoryはタスクの進捗を追跡し、Experiential Memoryからスキル選択をガイドする。
4つのロングホライズンベンチマークと10のモデルでRecurisは37のモデルベンチマークペアのうち35のタスク成功を改善している。
論文 参考訳（メタデータ） (2026-08-25T17:56:35Z) - PAST-Bench: Benchmarking the Foundations of Recursive Self-Improvement in Personal Agents [50.9061759859778]
PAST-Benchは、保持されたエクスペリエンスがエージェントを時間とともに実際に改善するかどうかを識別するために設計されたベンチマークである。
遅延タスクのゲインと、そのゲインが意図したセーブ、リトリーブ、更新パスに従うかどうかを報告します。
我々はHermes+を開発し、エージェントループの段階にわたって5つのターゲット的介入でHermesを拡張した。
論文 参考訳（メタデータ） (2026-08-04T17:58:05Z) - CFAgentBench: A Reproducible Environment and Benchmark for Autonomous Construction-Finance Agents [0.0]
CFAgentBenchは、自律的な建設ファイナンスエージェントのベンチマークである。
8つのドメインと77のファミリーにまたがる1014のマシングレード可能なタスク仕様を含んでいる。
最強のエージェントはpass1 = 0.67に達するが、pass5 = 0.38のみである。
論文 参考訳（メタデータ） (2026-06-20T11:34:52Z) - Bayesian-Agent: Posterior-Guided Skill Evolution for LLM Agent Harnesses [30.457068495035386]
textbfBayesianAgentは、再利用可能なスキルとSOPを、特定のプロンプト、コンテキスト、利用環境下で凍結モデルが成功するかどうかの仮説として扱う。
ベイジアン=アジェントの記録は、軌道証拠を検証し、各技術に対して特徴条件付きカテゴリー後部を維持し、後方状態をパッチ、分割、圧縮、引退、探索のような検査可能な行動にマッピングする。
論文 参考訳（メタデータ） (2026-06-06T21:40:19Z) - Enhancing Software Engineering Through Closed-Loop Memory Optimization [50.418699819003486]
ソフトウェア工学 (SE) エージェントにおけるメモリ拡張のためのクローズドループフレームワークである ours を紹介する。
タスクに依存しない textbf ベンチマークとアノテーションのない textbf 最適化信号としての有用性を確立する。
その結果、SEエージェントは設定によって常に改善され、成功率で$uparrow5.25%、解決効率で$uparrow4.63%という絶対的なゲインが得られることが示された。
論文 参考訳（メタデータ） (2026-06-04T03:17:21Z) - Shepherd: A Runtime Substrate Empowering Meta-Agents with a Formalized Execution Trace [37.66254228361724]
ターゲットエージェントのメタエージェント操作を関数として形式化する関数型プログラミングモデルであるShepherdを紹介する。
Shepherdは、すべてのエージェントと環境のインタラクションをGitライクな実行トレースの型付きイベントとして記録し、過去の状態をフォークして再生することができる。
このシステムは、エージェントプロセスと、Dockerよりも5ドル高速にフォークし、リプレイ時のプロンプトキャッシュの再利用を95%以上達成している。
論文 参考訳（メタデータ） (2026-05-11T17:50:51Z) - MemQ: Integrating Q-Learning into Self-Evolving Memory Agents over Provenance DAGs [47.66730296440261]
我々は,新たなメモリが生成されるたびに記憶が取得されたことを記録した証明DAGを通じて,クレジットを後方に伝播するMemQを紹介した。
6つのベンチマークで、MemQは、一般化評価とランタイム学習の6つすべてで最高成功率を達成した。
さらに、$と$がEC-MDP構造とどのように相互作用するかを研究し、パラメータ選択と将来の研究の原則的なガイダンスを提供する。
論文 参考訳（メタデータ） (2026-05-08T18:30:24Z) - ClawsBench: Evaluating Capability and Safety of LLM Productivity Agents in Simulated Workspaces [17.202580606345666]
生産性タスクを自動化するために、大規模言語モデル(LLM)エージェントがますますデプロイされる。
既存のベンチマークは単純化された環境に依存しており、現実的なマルチサービス環境をキャプチャできない。
我々は,現実的な生産性設定におけるLCMエージェントの評価と改善のためのベンチマークであるClawsBenchを紹介する。
論文 参考訳（メタデータ） (2026-04-06T21:09:06Z)
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。