論文の概要: A Historical Corpus Is Not a Historical System: Auditing Hindsight Leakage in Stateful Data Discovery
- arxiv url: http://arxiv.org/abs/2609.12766v1
- Date: Fri, 11 Sep 2026 12:18:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.739048
- Title: A Historical Corpus Is Not a Historical System: Auditing Hindsight Leakage in Stateful Data Discovery
- Title（参考訳）: 歴史的コーパスは歴史的システムではない
- Abstract要約: 我々は、過去の状態$(D_t, _t, M_i)$を通じてPIT(point-in-time)発見を形式化し、メモリ可用性だけを変えるペアリプレイを導入する。
今後、Asset Recall@100を2.62-5.24ポイント拡張する。
シミュレーションされたポジティブフィードバックキャッシュでは、PITはステートレスに4.65-18.96ポイント、Futureは4.1.58ポイントを加えた。
- 参考スコア（独自算出の注目度）: 4.8158286643872925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Offline replay should estimate what a discovery system could retrieve at a historical point, yet freezing the corpus leaves interaction memory unconstrained. We formalize point-in-time (PIT) discovery through historical state $(D_t, θ_t, M_{< i})$ and introduce a paired replay that changes only memory availability. The protocol constructs PIT and full-stream Future views from behavior-only traces and audits selected entries with a Temporal Violation Rate. Across three table-text domains, two stream regimes, two retrievers, and five seeds (216,000 rows), Future inflated Asset Recall@100 by 2.62-5.24 points; all 12 paired intervals excluded zero. With behavior-only trace memory, PIT underperformed the no-memory Stateless condition; Future masked 32.7-48.4% of that harm. For a simulated positive-feedback cache, PIT added 4.65-18.96 points over Stateless while Future added another 4.11-9.58 points. On five timestamped FreshStack topics, Future exceeded PIT by 2.72 points [1.75, 3.71]. Historical evaluation must version and validate memory with the corpus.
- Abstract（参考訳）: オフラインのリプレイでは、発見システムが歴史的に何を取得するか見積もる必要があるが、コーパスの凍結は相互作用メモリを制限されないままにしておく必要がある。
我々は、歴史的状態$(D_t, θ_t, M_{<i})$を通じてPIT(point-in-time)発見を形式化し、メモリ可用性だけを変えるペアリプレイを導入する。
このプロトコルは、行動のみのトレースからPITとフルストリームのFutureビューを構築し、時間的暴力率で選択されたエントリを監査する。
3つのテーブルテキストドメイン、二つのストリームレシエーション、2つのレトリバー、5つのシード(216,000行)、Future Inflated Asset Recall@100を2.62-5.24ポイントで拡張した。
動作のみのトレースメモリでは、PITはメモリなしステートレスの状態を過小評価し、Futureは32.7-48.4%の損失を隠蔽した。
シミュレーションされた正フィードバックキャッシュでは、PITはステートレスに4.65-18.96ポイント、Futureは4.11-9.58ポイントを加えた。
5つのタイムスタンプされたFreshStackトピックにおいて、FutureはPITを2.72ポイント上回る[1.75, 3.71]。
過去の評価では、コーパスでメモリをバージョン管理し検証する必要がある。
関連論文リスト
- ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。
SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。
モデル自身の失敗から両方を得るReDraftを紹介します。
論文 参考訳（メタデータ） (2026-09-15T04:59:03Z) - Hindsight Memory-PRM: Supervising Memory Management with Auditable Hindsight Credit [48.811961095386]
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。
論文 参考訳（メタデータ） (2026-08-30T06:53:13Z) - Can Agent Memory Systems Track Evolving State? [19.24558136812374]
我々は、効果的なメモリシステムは世界の進化状態を追跡する必要があると主張している。
事実、制約、決定が長い相互作用によって修正されるため、答えは現在の状態を反映し、過小評価されるものではない。
この機能をステートトラッキングとして定義し、StateMemBenchでインスタンス化する。
論文 参考訳（メタデータ） (2026-08-20T05:41:23Z) - Temporal Misgrounding in Legal RAG: A Versioned-Corpus Benchmark for French Tax Law [0.0]
我々は,現在施行中の法律記事の体系的検索と引用という,時間的誤動作を特定し,定量化する。
われわれはFiscalQA Proを導入し、フランスの税法典の32,436項目のコーパスと、すべてモデルに固執した時間的推論トラックを組み合わせている。
オラクルなしのマルチバージョンインデックス上のエンドツーエンドレトリバーは、98.3%という厳密な値に達した。
論文 参考訳（メタデータ） (2026-08-10T10:20:13Z) - MemOPD: On-Policy Distillation through Memory State Alignment for Long-Horizon Agents [48.05798760668219]
ロングホライゾンエージェントは相互作用中に成長するコンテキストを蓄積し、性能と安定性を損なう。
本稿では,メモリアライメントオンポリシィ蒸留法(MemOPD)を提案する。
MemOPDは、各モデル呼び出しの入力とサンプル出力を記録し、元のトークン位置を復元し、再構築された呼び出しをパックして、効率的な教師のスコアリングを行う。
論文 参考訳（メタデータ） (2026-08-07T10:18:31Z) - Turning Interaction History into Execution State: A Runtime Layer for Long-Horizon Coding Agents [48.967927222079965]
Ledgerは、エージェントの完了したインタラクションを明示的な実行状態に蒸留するランタイム層である。
Ledgerはこの状態をオンライン実行台帳に保持し、各ステップの2つのバウンダリに適用される。
500のSWE-bench検証インスタンス全体で、LedgerはPass@1を56.2%から64.2%に、GPT-5 miniを75.8%から81.0%に、MiniMax M2.5を81.0%に引き上げている。
論文 参考訳（メタデータ） (2026-08-01T18:25:00Z) - Belief-Space Perception Routing under Coupled Sensor Faults and Compute Contention [0.0]
固定された時計を見て反応しなければならないロボットは、同時に2つの問題に遭遇する。
本稿では,センサフォア状態と計算競合状態の推定値を追跡する知覚ルータを提案する。
2つのストレッサーが共起している場合、結合されたポリシーは期限満了率を1.1から9.4ポイントに削減する。
論文 参考訳（メタデータ） (2026-07-31T22:17:12Z) - Stage-Replay Divergence Follows the KV Cache: Fixed-Prefix Precision Controls and Bidirectional Cache Transplantation [51.56484100374058]
Stage-replayは中間トークンプレフィックスを再構築し、プレフィックスに最初に到達したデコーダ状態からの継続として、新しいプリフィル継続を処理する。
一致した200itemの実験では、保持されたライブキャッシュと同一の整数トークンのワンショットプリフィルを比較し、両側に正確なレプリカを配置する。
論文 参考訳（メタデータ） (2026-07-30T16:41:40Z) - A Graph-Native Bitemporal Memory Store for Conversational AI Agents [0.0]
HNSWベクトルインデックスとフルバイテンポラルデータモデルで拡張したエージェントローカルなNeo4jプロパティグラフについて述べる。
各メモリは、2つの閉時間間隔を持つバージョニングされたコンテンツノードにリンクされた不変のアイデンティティノードとして格納される。
このシステムは,長期記憶を強調するために設計された6つの質問タイプにまたがる500クエストベンチマークであるLongMemEvalで評価する。
論文 参考訳（メタデータ） (2026-07-29T06:40:52Z) - Presentation, Not Mechanism: A Render Confound in Deprecation-Aware Memory Evaluation [14.101636730819175]
我々は,2,907質問に対して,平坦な検索,粗いエッジ無効化,きめ細かいRevisionLedgerを比較し,Evidence-State Revisionについて検討した。
値が変更され、後に復元されたとき、RevisionLedgerはフラットベースラインを+0.182で打ち負かしているように見える。
粗い無効化は、現在のクエリに課金する唯一のメカニズムであり、微細な台帳を0.084で上回っている。
論文 参考訳（メタデータ） (2026-07-17T14:55:34Z) - Benchmarking Speech-to-Speech Translation Models [55.00303727199927]
音声音声翻訳(S2ST)は急速に進歩しているが、オフライン評価には統一されたプロトコルが欠けている。
8次元にわたる46のメトリクスを統合するベンチマークフレームワークを導入する。
FLEURSとCVSSから1,248のモデル言語構成でデプロイする。
論文 参考訳（メタデータ） (2026-06-02T07:01:33Z) - TAPNext++: What's Next for Tracking Any Point (TAP)? [58.6925880906723]
本稿では,低メモリとアーキテクチャの計算フットプリントを保ちながら,桁数桁長の点を追跡するモデルを提案する。
再検出性能が現在の文献の盲点であることを強調し,新しいメトリクスであるRe-detection Average Jaccardを導入する。
複数のベンチマークにおいて,再帰型トランスフォーマーがポイントトラッキングのために大幅に改善され,新たな最先端のモデルが設定できることが実証された。
論文 参考訳（メタデータ） (2026-04-12T11:02:13Z)
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。