論文の概要: Long-Lived Characters, Local Inference: Incremental Memory Maintenance for Game NPCs

• arxiv url: http://arxiv.org/abs/2609.18935v1
• Date: Wed, 16 Sep 2026 17:09:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.914368
• Title: Long-Lived Characters, Local Inference: Incremental Memory Maintenance for Game NPCs
• Title（参考訳）: 長寿命キャラクタとローカル推論:ゲームNPCのインクリメンタルメモリメンテナンス
• Abstract要約: 量子化されたQwenハイブリッド・リカレント・アテンションモデルを用いて,長時間のゲームNPCのインクリメンタルメモリメンテナンスについて検討した。 我々のランタイムは、重畳された注意KVエントリを削除し、真のシークエンステールで置換レコードを計算し、継続するリカレント状態を保持し、変更しないKVを保持する。
• 参考スコア（独自算出の注目度）: 0.324890820102255
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A game character should not have to reread its entire life before every conversation. For locally deployed language-model characters, however, revising a few memories can invalidate a long reusable prefix. The resulting preparation cost competes with both foreground dialogue and the maintenance of other characters. This matters especially when dialogue feeds game-defined actions and value judgments: a fluent but incorrect account of who owns an item, or whether a transfer has already happened, can corrupt the input to otherwise deterministic rules. We study incremental memory maintenance for long-lived game NPCs in a quantized Qwen hybrid recurrent-attention model. Our runtime removes superseded attention KV entries, computes replacement records at the true sequence tail, and preserves the continuing recurrent state and unchanged KV. Existing local experiments combine multi-update dialogue replays, fixed-input placement ablations, and attention diagnostics. Independent block composition weakens query-conditioned memory selection without a uniform chunk-initial attention collapse. True-tail updates preserve important current-state and historical bindings across eight scripted maintenance rounds; a placement case recovers the full-refill quantity in three reconstructions, while slot-preserving alternatives repeat a double-subtraction error. Attention-distribution proximity alone does not explain these semantic differences. The results motivate treating a character's inference state as a maintained, history-dependent resource, rather than only a disposable encoding of its latest memory text.
• Abstract（参考訳）: ゲームキャラクタは、すべての会話の前に全人生を読まなければならない。 しかし、ローカルにデプロイされた言語モデル文字では、いくつかのメモリを更新することで、長い再利用可能なプレフィックスを無効にすることができる。 得られた準備コストは、前景対話と他の文字の維持の両方と競合する。 これは特に、対話がゲーム定義のアクションや価値判断をフィードする場合に重要であり、アイテムを誰が所有しているか、あるいはすでに移動があったかどうかの流麗で誤った説明は、他の決定論的ルールに入力を損なう可能性がある。 量子化されたQwenハイブリッド・リカレント・アテンションモデルを用いて,長時間のゲームNPCのインクリメンタルメモリメンテナンスについて検討した。 我々のランタイムは、重畳された注意KVエントリを削除し、真のシークエンステールで置換レコードを計算し、継続するリカレント状態を保存し、変更しないKVを保持します。 既存のローカル実験では、複数更新された対話リプレイ、固定入力配置の短縮、アテンション診断が組み合わされている。 独立ブロック構成は、一様チャンク初期注意崩壊のないクエリ条件のメモリ選択を弱める。 True-tailの更新は、8つのスクリプト化されたメンテナンスラウンドにおける重要な状態と履歴のバインディングを保持し、配置ケースは3回の再構築でフルリフィル量を回復し、スロット保存の代替は二重サブトラクションエラーを繰り返す。 注意-分布近接だけでは、これらの意味的差異は説明できない。 その結果、文字の推測状態を最新のメモリテキストの使い捨てエンコーディングだけでなく、保持された履歴に依存したリソースとして扱う動機付けとなる。

関連論文リスト

• What Should an Agent Forget? Separating What Is Stored from What Is Used [14.434131011155545]
  永続的な言語エージェントは、時間にわたって利用できるように格納されたエクスペリエンスを必要とします。 RD-Forgetは、エージェントが保存するものと使用するものとを分離する、トレーニング不要のフレームワークです。
  論文  参考訳（メタデータ） (2026-09-09T14:48:09Z)
• What It Costs to Compose, Rebuild, and Correct Precomputed Memory [0.0]
  言語モデルは、あらかじめ計算されたメモリ、モデルが保存した素材の読み出しから答えることができる。 本論文は、その実践が正しさと失敗する条件をどこに保存するかを図示する。
  論文  参考訳（メタデータ） (2026-08-31T11:49:42Z)
• Compute Globally, Materialize Locally: The Memory Contract of Sparse Event-KV [6.096767363900901]
  推定とエピソード記憶のスキームは、生成した観測結果が消滅した後も、保持された事象が情報的であるという前提に留まっている。 我々は、提供されたものから、それ以外は同一のエージェント履歴にまたがる以前の観察を省略することによって、それをテストする。 意図的に表現された回答なしのイベントは、価値を指定することなく、Qwen3-8Bでドナーアラインリカバリを6%から51%に引き上げる。
  論文  参考訳（メタデータ） (2026-07-26T14:37:53Z)
• SlotMem: Character-Addressable Internal Memory for Narrative Long Video Generation [17.587627635960462]
  SlotMemは、ナラティブ長ビデオ生成のための文字調整可能な内部メモリフレームワークである。 character-Semantic Probeを使用して、クロスアテンション応答から文字関連視覚トークンをローカライズする。 Memory Writerは、各文字のメモリを新しい観察で保守的に更新する。 character-Wise Cross-Attentionはロールメモリを取得し、同じ文字のローカライズされたトークンにのみ注入する。
  論文  参考訳（メタデータ） (2026-07-17T09:03:37Z)
• 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)
• Remembering Distinct Items, Not Tokens: A Learnable Dirichlet-Process Cache Between State-Space Models and Attention [0.48342038441006796]
  本稿では,入力が新規である場合にのみスロットを割り当てるスパースキャッシュについて検討する。 固定濃度の静的キャッシュと,最近の新規性率に追従したサプライズ適応変種という2つの形態で開発する。
  論文  参考訳（メタデータ） (2026-07-10T18:28:21Z)
• 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)
• Rethinking How to Remember: Beyond Atomic Facts in Lifelong LLM Agent Memory [88.81430082035617]
  LLMエージェントは、蓄積された対話履歴を忠実に保存し、効率的に検索し、深く推論できるメモリシステムを必要とする。 本稿では,ソース識別子に固定された生の対話セグメントを含む3つの共存表現の粒度を格納するTriMemを提案する。
  論文  参考訳（メタデータ） (2026-05-19T15:05:06Z)
• EMemBench: Interactive Benchmarking of Episodic Memory for VLM Agents [52.567469286881426]
  本稿では,対話型ゲームによるエージェントの長期記憶評価のためのプログラムベンチマークEMemBenchを紹介する。 固定された質問セットを使う代わりに、EMemBenchは各エージェント自身の軌道から質問を生成する。 各テンプレートは、下層のゲーム信号から検証済みの真理を計算する。
  論文  参考訳（メタデータ） (2026-01-23T12:09:59Z)
• LaMemo: Language Modeling with Look-Ahead Memory [50.6248714811912]
  右側トークンへの漸進的参加により再帰記憶を向上させるLook-Ahead Memory(LaMemo)を提案する。 LaMemoは、メモリ長に比例した追加のオーバーヘッドで、双方向の注意とセグメントの再発を受け入れる。 広く使われている言語モデリングベンチマークの実験は、異なる種類のメモリを備えたベースラインよりも優れていることを示した。
  論文  参考訳（メタデータ） (2022-04-15T06:11:25Z)

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。