論文の概要: ThinkFlow: Self-Evolving Probabilistic Latent Memory for Lifelong Conversational Agents

• arxiv url: http://arxiv.org/abs/2609.17010v1
• Date: Tue, 15 Sep 2026 11:21:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.472731
• Title: ThinkFlow: Self-Evolving Probabilistic Latent Memory for Lifelong Conversational Agents
• Title（参考訳）: ThinkFlow:生涯会話エージェントのための自己進化確率潜在記憶
• Abstract要約: ThinkFlowは、生涯にわたる会話エージェントのための新しいエンドツーエンドの潜在メモリフレームワークである。 会話フローを確率的潜在メモリスキルに圧縮することで、テキストボトルネックを回避します。 拡張されたマルチセッションインタラクションに対して、高度にパーソナライズされ、文脈的に正確な応答を提供する。
• 参考スコア（独自算出の注目度）: 30.033481918192987
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lifelong conversational agents rely on memory systems to maintain deep, context-aware interactions with users. However, existing explicit textual memory pipelines suffer from a severe information bottleneck, often losing subtle behavioral patterns and emotional shifts. Furthermore, being typically static post-deployment, they cannot autonomously adapt to personal habits and preferences without manual feedback. Cognitive science, however, suggests that humans maintain mental models purely in a latent space and continuously refine them through predictive coding. Inspired by this, we propose \textbf{ThinkFlow}, a novel end-to-end latent memory framework for lifelong conversational agents. ThinkFlow bypasses the text bottleneck by dynamically compressing conversational flows into probabilistic latent memory skills, autonomously consolidating complex user states into disentangled, continuous vectors without semantic interference. To break this barrier, we introduce a test-time evolution paradigm. By coupling teacher-guided latent alignment to bootstrap the initial state with a self-supervised next-user-utterance prediction task for continuous refinement, the framework successfully overcomes cold-start challenges and achieves label-free lifelong personalization. Extensive experiments on long-term conversation benchmarks demonstrate that ThinkFlow significantly outperforms prevailing memory systems, providing highly personalized and contextually accurate responses over extended multi-session interactions.
• Abstract（参考訳）: 生涯にわたる会話エージェントは、ユーザーとの深いコンテキスト認識インタラクションを維持するためにメモリシステムに依存している。 しかし、既存の明示的なテキストメモリパイプラインは深刻な情報のボトルネックに悩まされ、微妙な振る舞いパターンや感情的なシフトを失うことも多い。 さらに、通常、デプロイ後の静的であるため、手動によるフィードバックなしでは、個人の習慣や好みに自律的に適応することはできない。 しかし認知科学は、人間が純粋に潜伏した空間でメンタルモデルを維持し、予測的コーディングを通じてそれらを継続的に洗練することを示唆している。 これに触発されて,生涯会話エージェントのための新しいエンドツーエンドの潜在メモリフレームワークである \textbf{ThinkFlow} を提案する。 ThinkFlowは、会話フローを確率的潜在メモリスキルに動的に圧縮することで、テキストボトルネックを回避し、複雑なユーザ状態を意味的干渉なしに非絡み合いの連続ベクトルに自律的に統合する。 この障壁を打破するために、テスト時間進化パラダイムを導入します。 教師が指導した潜在的アライメントを結合して初期状態を自己教師付き次世代音声予測タスクにブートストラップすることで、このフレームワークはコールドスタートの課題を克服し、ラベルのない生涯のパーソナライズを実現する。 長期会話ベンチマークの大規模な実験により、ThinkFlowはメモリシステムよりも大幅に優れており、拡張されたマルチセッションインタラクションに対して高度にパーソナライズされ、文脈的に正確な応答を提供することが示された。

関連論文リスト

• Beyond Retrieval: Progressive Latent Memory Evolution for Streaming Video Understanding [64.34948094316685]
  latentStreamは、ストリーミングメモリをストア・アンド・レトリーブから検索・インターナライズへシフトする、プログレッシブな潜伏型ワーキングメモリフレームワークです。 LatentStreamは、既存のオンラインおよびオフラインビデオベンチマークで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2026-09-03T17:28:14Z)
• MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
  ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。 MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。 長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
  論文  参考訳（メタデータ） (2026-07-14T15:33:44Z)
• LifeSide: Benchmarking Agents as Lifelong Digital Companions [47.43438363687746]
  ベンチマークはマルチセッションのtextitMemory-Emotion-Environmentループを中心としたベンチマークである。 階層化されたプロファイルとイベントトラジェクトリを持つ永続的な世界としてユーザをモデル化することで、ベンチマークはマルチエージェントシミュレーションを使用して、環境ダイナミクスを対話に投影する。 現在のメモリベンチマークを飽和させるモデルでさえ、正確なユーザ理解と真の相性を維持することができず、長い地平線上での真の相性を維持することができません。
  論文  参考訳（メタデータ） (2026-06-03T09:37:25Z)
• WorldMemArena: Evaluating Multimodal Agent Memory Through Action-World Interaction [72.1620416874118]
  マルチモーダルな言語モデルは、長距離エージェントとしてますます多くデプロイされている。 既存のベンチマークは、静的対話上のリコールを測定し、メモリを1つのタスクの精度に分解し、キャプションに対する視覚的な観察を減らす。 マルチモーダルエージェントメモリを,観測可能な4段階ライフサイクルを持つアクションワールドインタラクションループとして定式化する。
  論文  参考訳（メタデータ） (2026-05-28T04:27:20Z)
• Evaluating Memory Capability in Continuous Lifelog Scenario [18.42798691109198]
  既存のベンチマークは主に、オンラインの1対1チャットや人間とAIのインタラクションに焦点を当てている。 textbftextscLifeDialBenchをキュレートするための階層型合成フレームワークを提案する。 また,時間的因果性に厳密に準拠するtextbfOnline Evaluationプロトコルを提案する。
  論文  参考訳（メタデータ） (2026-04-13T08:42:43Z)
• PERMA: Benchmarking Personalized Memory Agents via Event-Driven Preference and Realistic Task Environments [72.02445514666428]
  静的な嗜好リコールを超えてペルマの一貫性を評価するためのベンチマークであるPERMAを紹介する。 PerMAは、複数のセッションとドメインにまたがる時間的に順序付けられたインタラクションイベントと、時間とともに好みに関連するクエリで構成されている。 実験により、関連するインタラクションをリンクすることで、高度なメモリシステムはより正確な好みを抽出し、トークン消費を減らすことができることが示された。
  論文  参考訳（メタデータ） (2026-03-24T14:04:11Z)
• AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents [49.63422082885992]
  長軸対話エージェントのための適応型ユーザ中心メモリフレームワークであるAdaMemを提案する。 AdaMemは対話履歴をワーキング、エピソディック、ペルソナ、グラフメモリに整理する。 LoCoMo と PERSONAMEM ベンチマーク上での AdaMem の評価を行った。
  論文  参考訳（メタデータ） (2026-03-17T13:22:54Z)
• MemVerse: Multimodal Memory for Lifelong Learning Agents [35.218549149012844]
  我々は,モデルに依存しないプラグアンドプレイメモリフレームワークであるMemVerseを紹介した。 MemVerseは階層的検索ベースのメモリで高速パラメトリックリコールを行う。 スケーラブルで適応的なマルチモーダルインテリジェンスを実現する。
  論文  参考訳（メタデータ） (2025-12-03T10:06:14Z)

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。