論文の概要: Agentsensus: Consensus-Compressed Shared Memory for Multi-Agent Story Worlds

• arxiv url: http://arxiv.org/abs/2609.32297v1
• Date: Sat, 26 Sep 2026 06:42:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 18:00:42.163302
• Title: Agentsensus: Consensus-Compressed Shared Memory for Multi-Agent Story Worlds
• Title（参考訳）: Agentsensus:マルチエージェントストーリーワールドのためのコンセンサス圧縮共有メモリ
• Abstract要約: 本稿では,長期記憶を統一したストーリーワールド・シミュレーション・フレームワークであるAgensensusを紹介する。 同じイベントの記録は、すべての目撃者が所有する1つにマージされ、意味的に関連する記憶記録がリンクされる。 2つの古典的中国の小説、ハムレット、および現実世界の紛争スケジュールの4つの世界について、キャラクタごとに3つのメモリデザインに対して40から80ラウンドで実行しています。
• 参考スコア（独自算出の注目度）: 2.32726375132035
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A agentic story world is a dynamic system simulating who learned what, when, and from whom -- yet the standard design gives each character a private memory stream. A shared event is therefore stored once per witness, large duplication will be incurred in terms of storage. We present Agentsensus, a story-world simulation framework in which there is an unified long-term memory. Records of the same event merge into one owned by all its witnesses, and semantically relevant memory records are linked. We evaluate on four worlds -- two classical Chinese novels, Hamlet, and a real-world conflict timeline -- run for 40 to 80 rounds against three per-character memory designs under an equal-granularity protocol. Agentsensus writes 22-44% fewer entries than the closest baseline and is the only design whose memory becomes shared (14-28% of records held by more than one character, some by 10) and linked (94-99%), at judged simulation quality indistinguishable or even better than the baselines. An ablation attributes this to the merge itself: disabling it multiplies the store by 3.1x and takes sharing to exactly zero. Sharing also compounds with the horizon rather than saturating early, rising 6% to 9% to 14% as one world is re-run at 10, 20 and 40 rounds.
• Abstract（参考訳）: エージェント物語の世界は、誰がいつ、誰から、何を学んだかをシミュレートする動的システムです。 したがって、共有イベントは、証人1人当たり1回保存され、大きな重複は、ストレージの点で発生します。 本稿では,長期記憶を統一したストーリーワールド・シミュレーション・フレームワークであるAgensensusを紹介する。 同じイベントの記録は、すべての目撃者が所有する1つにマージされ、意味的に関連する記憶記録がリンクされる。 2つの古典的中国小説、ハムレット、および現実世界のコンフリクトタイムラインの4つの世界について、同じ粒度プロトコルの下で、キャラクタ単位のメモリ設計に対して40から80ラウンドで実行している。 Agentsensusは、最も近いベースラインよりも22-44%少ないエントリを書き、メモリが共有される唯一の設計(複数のキャラクタによって保持されるレコードの14-28%、一部は10)とリンクされた(94-99%)。 ストアを3.1倍に倍増し、共有を正確にゼロにする。 また、1つの世界が10、20、40ラウンドで再稼働するにつれて6%から9%から14%に上昇する。

関連論文リスト

• Shared Worlds, Private Minds: Structured Memory for Long-Form Writing as World Creation [27.71858347236874]
  本稿では,メモリ構築を世界創造として扱う長文書き込みのための構造化メモリシステムであるNarraWorldを紹介する。 共有されたエビデンスに基づくグラフから、NarraWorldは、世界事実、キャラクタごとの信念、オープンな発展、仮説的な枝という4つの接続された見解を導出している。 NarraWorldは3つのベンチマークで最強の集計結果を達成した。
  論文  参考訳（メタデータ） (2026-09-26T09:24:22Z)
• EM^2Mem: Event-Centric Multimodal Memory for Large Language Models [52.3165591032625]
  本稿では,イベント中心型マルチモーダルメモリフレームワークEM2Memを提案する。 3つの長ビデオQAベンチマークで、EM2Memは最強のメモリベースラインの平均精度を2.0、2.4、および3.7ポイント改善した。
  論文  参考訳（メタデータ） (2026-09-01T01:38:41Z)
• Agent Zero Memory: Provenance-Aware Long-Term Memory for LLM Agents [3.6666917625778193]
  Agent Zero Memory(エージェントゼロメモリ)は、長期記憶システムである。 ユーザの会話、ファイル、接続されたソースを3つの並列メモリシステムに消去する。
  論文  参考訳（メタデータ） (2026-08-30T06:55:59Z)
• ZifaMem: Structured Memory for Persona, Preference, and Emotional Continuity in AI Companions [2.959518534015279]
  ZifaMemは、セッション要約、エピソード記憶、統合ユーザモデルに対話を整理する構造化メモリシステムである。 同一の事前登録されたプロトコルの下では、3つのメモリシステムは生の履歴配置よりも大幅に改善される。 ZifaMem と Mem0 は、事前登録された一次選好エンドポイントの +/-5 点内で統計的に等価である。
  論文  参考訳（メタデータ） (2026-07-20T05:18:40Z)
• 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)
• Less Context, More Accuracy: A Bi-Temporal Memory Engine for LLM Agents Where a Lean Retrieved Context Beats the Full History [2.5401434059780468]
  Engramは、バイテンポラルデータモデル上のデュアルプロセスメモリエンジンである。 高速書き込みパスは、クリティカルパスにLSMなしでエピソードを付加する。 ハイブリッドリードパスは、密度、語彙、グラフ、および電流/セイレンス信号を融合する。
  論文  参考訳（メタデータ） (2026-06-05T11:43:56Z)
• 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)
• ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems [51.56484100374058]
  LongMemEval-500では、ZenBrainは長いコンテキストのオラクルのバイナリ・ジャッジの精度を4.5pp以内と一致させる。 ZenBrainは7層の神経科学にインスパイアされたメモリアーキテクチャである。
  論文  参考訳（メタデータ） (2026-04-26T20:39:19Z)
• Agentic Learner with Grow-and-Refine Multimodal Semantic Memory [50.81667005063605]
  ViLoMemは、コンパクトなスキーマベースのメモリを構築するデュアルストリームメモリフレームワークである。 視覚的障害パターンと論理的推論エラーを符号化し、MLLMが成功し失敗した経験から学ぶことを可能にする。
  論文  参考訳（メタデータ） (2025-11-26T18:55:08Z)

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。