論文の概要: Does Video Memory Use What It Retrieves? A Causal Audit of Memory Specificity

• arxiv url: http://arxiv.org/abs/2609.12090v1
• Date: Thu, 10 Sep 2026 18:16:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.507569
• Title: Does Video Memory Use What It Retrieves? A Causal Audit of Memory Specificity
• Title（参考訳）: ビデオ記憶は取り出すものを使うか? 記憶特異性の因果的監査
• Abstract要約: ビデオモデルは、長いシーケンスで情報を保存するためにメモリをますます利用します。 標準メモリアブレーションは、メモリが役立つかどうかをテストするが、検索したコンテンツが責任を持つかどうかをテストする。 我々はこれを読み取り時のメモリ置換で直接テストする。
• 参考スコア（独自算出の注目度）: 38.098764596232996
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video models increasingly use memory to preserve information over long sequences, with the assumption that gains come from retrieving and using the correct past content. Standard memory ablations test whether memory helps, but not whether the retrieved content is responsible. We test this directly with read-time memory substitution, which replaces the consumed memory value while leaving the rest of the computation unchanged. This separates memory benefit from memory specificity, the extent to which the gain depends on retrieved content. Across frozen video world models, identity-free controls containing no evaluation-specific content recover essentially the full benefit on Ego-Exo4D and 7-Scenes and about 70% on TUM. In the Ego-Exo4D dose response, recovery falls from 102% to 1% as these values move away from observed training-memory representations, supporting representation repair as the best-supported explanation in this setting. WorldMem shows graded dependence. A wrong memory from the same trajectory recovers 94.1% of the PSNR benefit relative to zero content, while a donor from a disjoint trajectory and biome recovers 43.7%. SAM 2 shows strong content dependence. On DAVIS, replacing the correct spatial memory with a valid wrong memory reduces mean region and boundary score from 0.926 to 0.182. At MOSEv2 reappearance, it falls from 0.459 to 0.000. These results show that memory gains can depend on generic representation support, broader context, or exact episodic content. Read-time substitution provides a direct way to distinguish them.
• Abstract（参考訳）: ビデオモデルは、記憶を使って長いシーケンスの情報を保存し、正しい過去のコンテンツを検索して使用することによって得られると仮定する。 標準メモリアブレーションは、メモリが役立つかどうかをテストするが、検索したコンテンツが責任を持つかどうかをテストする。 我々は、これを読み取り時のメモリ置換で直接テストし、残りの計算をそのままにして使用したメモリ値を置き換える。 これにより、メモリの利点は、取得したコンテンツに依存する利得の程度であるメモリ特異性から分離される。 フリーズされたビデオワールドモデル全体では、評価固有のコンテンツを持たないIDのないコントロールは、本質的にはEgo-Exo4Dと7-Scenesで、TUMで約70%の利益を回復する。 Ego-Exo4D線量応答では、これらの値が観察されたトレーニングメモリ表現から離れるにつれて、リカバリは102%から1%に減少し、この設定で最も支持された説明として表現修復をサポートする。 WorldMemはグレードド依存を示す。 同じ軌道からの間違った記憶は、PSNRの利益の94.1%をゼロ量に対して回復し、解離軌道からのドナーは43.7%を回復する。 SAM 2 は強い内容依存を示す。 DAVISでは、正しい空間メモリを有効な誤りメモリに置き換えると、平均領域と境界スコアが0.926から0.182に減少する。 MOSEv2では0.459から0.000に減少する。 これらの結果は、メモリゲインが汎用表現サポート、より広いコンテキスト、正確なエピソードコンテンツに依存していることを示している。 読み取り時置換は、それらを区別する直接的な方法を提供する。

関連論文リスト

• Where Should Experience Live? Hierarchical Hebbian Memory for Continual Vision Transformers [0.0]
  視覚変換器は強力な視覚表現を提供するが、通常はゆっくりと更新されたパラメータに依存する。 高速なワーキングメモリ、永続的なルート付きエピソードメモリ、遅いセマンティックメモリからなる3レベルメモリアーキテクチャである。
  論文  参考訳（メタデータ） (2026-08-31T20:51:51Z)
• From Faulty Memories to Corrected Actions: Dependency-Guided Rollback Repair for Memory-Augmented Agents [19.125716338799545]
  textbfdependency-guided rollback repairは、出所からの型付きメモリ対アクショングラフを構築し、明示的な下流依存性をトレースし、応答関連処理のみを選択的に再生する。 本手法は,3つのツール使用領域と4つのメモリ障害タイプにまたがる150ケースのベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-08-11T05:19:55Z)
• MemSyco-Bench: Benchmarking Sycophancy in Agent Memory [32.49512092540906]
  MemSyco-Benchは、エージェントシステムにおけるメモリ誘起性を評価するためのベンチマークである。 MemSyco-Benchは、いつメモリが決定に影響を及ぼすか、どのように有効なメモリを使用するかを測定する。
  論文  参考訳（メタデータ） (2026-07-01T15:30:33Z)
• MEMPROBE: Probing Long-Term Agent Memory via Hidden User-State Recovery [58.64329475683699]
  我々は、長期記憶は監査可能な相互作用後のアーティファクトとして評価されるべきであると主張している。 我々は、メモリを備えたエージェントがシミュレーションユーザを支援するベンチマークであるMEMPROBEで、このビューをインスタンス化する。 私たちは、成功したアシストと回復可能なメモリが、異なる機能として振る舞うことに気付きました。
  論文  参考訳（メタデータ） (2026-06-23T13:52:46Z)
• Deployment-Time Memorization in Foundation-Model Agents [18.40535884093806]
  個人化リコール(PR)と適応抽出レート(AER)によるプライバシユーティリティフロンティアとしてのエージェントメモリの検討 キーファクト要約は、ほとんどすべてのパーソナライズリコールを維持しながら、Gemma 3 12Bで76%、GPT-4o-miniで64%のカナリア抽出を減少させる。 LongMemEvalでは、キーファクトの要約はGemma 3 12Bで76%、GPT-4o-miniで64%のカナリア抽出を減らし、ほぼすべてのパーソナライズリコールを保存する。
  論文  参考訳（メタデータ） (2026-06-08T18:38:41Z)
• Echo-Memory: A Controlled Study of Memory in Action World Models [58.77172260403133]
  本研究では,行動条件付き世界モデルにおける記憶機構の制御に関する研究を行う。 既存のメモリ設計と比較するのは難しいのは、ゲインにはバックボーン、トレーニング、検索、評価の違いが絡み合っているからである。 我々はEcho-Memoryを使ってアクション・ツー・ビデオのインタフェースを修正し、生成元によって履歴が保存され読み込まれるかだけを変える。
  論文  参考訳（メタデータ） (2026-06-08T17:54:10Z)
• When Should Memory Stay Silent: Measuring Memory-Use Boundaries in Memory-Augmented Conversational Agents [13.354128891280316]
  長期記憶により、言語モデルエージェントはパーソナライズされたインタラクションをサポートすることができる。 利用可能な記憶がいつ応答に統合されるかは、まだ不明である。 検索システムは露光を減らすが、感度の高いメモリがジェネレータに到達すると、統合を排除しない。
  論文  参考訳（メタデータ） (2026-06-04T11:54:51Z)
• MemGuard: Preventing Memory Contamination in Long-Term Memory-Augmented Large Language Models [56.31411457917676]
  本稿では,メモリ構築と検索において,機能的メモリ境界を保存するタイプアウェアメモリフレームワークであるMemGuardを紹介する。 幻覚と長期会話のベンチマーク全体で、MemGuardはメモリの信頼性を最大28.27%向上し、メモリトークンは以前の方法より5.8倍少ない。
  論文  参考訳（メタデータ） (2026-05-27T06:04:19Z)
• 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)
• Recurrent Dynamic Embedding for Video Object Segmentation [54.52527157232795]
  一定サイズのメモリバンクを構築するためにRDE(Recurrent Dynamic Embedding)を提案する。 本稿では, SAM を長時間の動画でより堅牢にするため, トレーニング段階での無バイアス誘導損失を提案する。 また、メモリバンクの異なる品質のマスクの埋め込みをネットワークが修復できるように、新たな自己補正戦略を設計する。
  論文  参考訳（メタデータ） (2022-05-08T02:24:43Z)

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。