論文の概要: Grounding Memory Summarization in Utility Intent

• arxiv url: http://arxiv.org/abs/2609.33417v1
• Date: Sun, 27 Sep 2026 10:06:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 17:06:38.15437
• Title: Grounding Memory Summarization in Utility Intent
• Title（参考訳）: ユーティリティインテントにおけるグラウンドメモリの要約
• Abstract要約: 問合せと問合せのペアに対する条件付けの要約は,解答の品質を大幅に向上させることを示す。 本稿では,教師が質問応答対に条件付きで,実用性を考慮したメモリエントリを生成するためのフレームワークであるMemSuitを提案する。
• 参考スコア（独自算出の注目度）: 45.44133963538914
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing summarizers for memory systems are typically optimized for human-facing criteria such as faithfulness, which misaligns with their true objective: preserving the evidence needed to support future queries. We show that conditioning summarization on query-answer pairs substantially improves answer quality, and that this utility-aware behavior is transferable across queries. Motivated by these findings, we propose MemSuit, a self-distillation framework in which a teacher summarizer, conditioned on observed query-answer pairs, produces utility-aware memory entries that a student learns to reproduce from the raw conversation alone. To prevent collateral erasure where conditioning on a single query-answer pair discards evidence relevant to other plausible queries, the teacher decomposes each block into multiple self-contained entries that preserve distinct query-relevant facets as independently retrievable units. To align the retriever with the compact, fact-dense style of teacher entries, we further fine-tune the embedding model with a contrastive objective supervised by teacher entries. Across a diverse suite of conversational query types, MemSuit consistently outperforms state-of-the-art baselines, confirming the value of grounding memory in downstream utility.
• Abstract（参考訳）: 既存のメモリシステム要約器は、一般に、真の目的は、将来のクエリをサポートするために必要なエビデンスを保存することにある、忠実さのような人間向きの基準に最適化されている。 質問応答対の条件付き要約により回答の質が大幅に向上し,このユーティリティ認識動作がクエリ間で伝達可能であることを示す。 そこで本研究では,教師が学習者が生の会話からのみ再生することを学習するユーティリティ・アウェア・メモリ・エントリを生成する,自己蒸留フレームワークであるMemSuitを提案する。 教師は、各ブロックを複数の自己完結したエントリに分解し、異なるクエリ関連ファセットを独立して検索可能なユニットとして保持する。 そこで本研究では,教師が指導するコントラスト目的の埋め込みモデルをさらに微調整する。 多様な対話型クエリタイプの中で、MemSuitは一貫して最先端のベースラインを上回り、ダウンストリームユーティリティのグラウンドメモリの価値を確認している。

関連論文リスト

• Pretraining Reusable Inference Across Views with Synthetic Task Priors [21.47966082652401]
  現代の事前訓練されたエンコーダは、不均一なビューからの表現を再利用しやすくするが、ビューユーティリティを決定し、エビデンスを組み合わせる手順は、下流の各タスクにまだ残されている。 提案するSIMPLEは,クエリラベルを小さなラベル付きサポートセットに条件付けすることで,クエリラベルを予測するマルチコンテキスト学習システムである。 マルチビューおよびマルチオミクスベンチマークの実験は、SIMPLEの凍結版が推論バックボーンを更新することなく競合性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-08-19T17:10:03Z)
• MemChain: Learning Interpretable Memory Traces for Memory-Augmented LLM Agents [26.87993979719045]
  メモリ拡張LDMエージェントは通常、関連するメモリを検索し、直接回答モデルに入力することでクエリに応答する。 提案するMemChainは、検索した候補を応答対応アクティブメモリに変換する訓練後のメモリポリシーである。 MemChainは、クローズドソースとオープンウェイトフリートの両方の解答モデルにおいて、最先端のパフォーマンスを一貫して達成していることを示す。
  論文  参考訳（メタデータ） (2026-07-27T07:37:43Z)
• 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)
• Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval [59.295767860331004]
  RF-Memは、親しみやすい不確実性誘導デュアルパスメモリレトリバーである。 それは、人間のようなデュアルプロセス認識をレトリバーに埋め込む。 一定の予算とレイテンシの制約の下で、ワンショット検索とフルコンテキスト推論を一貫して上回る。
  論文  参考訳（メタデータ） (2026-03-10T06:31:44Z)
• AMA: Adaptive Memory via Multi-Agent Collaboration [54.490349689939166]
  複数の粒度にまたがるメモリ管理に協調エージェントを活用する新しいフレームワークであるAMA(Adaptive Memory via Multi-Agent Collaboration)を提案する。 AMAは、ステート・オブ・ザ・アートのベースラインを著しく上回り、トークンの消費をフルコンテキストの手法と比べて約80%削減する。
  論文  参考訳（メタデータ） (2026-01-28T08:09:49Z)
• Reasoning-enhanced Query Understanding through Decomposition and Interpretation [87.56450566014625]
  ReDIは、分解と解釈によるクエリ理解のための推論強化アプローチである。 我々は,大規模検索エンジンから実世界の複雑なクエリの大規模データセットをコンパイルした。 BRIGHT と BEIR の実験により、ReDI はスパースと密度の高い検索パラダイムの両方において、強いベースラインを一貫して超えることを示した。
  論文  参考訳（メタデータ） (2025-09-08T10:58:42Z)
• Improving RAG Retrieval via Propositional Content Extraction: a Speech Act Theory Approach [0.0]
  本稿では,ユーザ発話から提案内容を抽出することで,検索・拡張生成システムにおける検索品質が向上するかどうかを考察する。 本稿では,クエリを埋め込む前に提案する等価表現に自動的に変換する実用的な手法を提案する。
  論文  参考訳（メタデータ） (2025-03-07T20:15:40Z)
• Consistent Query Answering for Existential Rules with Closed Predicates [2.559168320734115]
  Consistent Query Answering (CQA)は、データベースのデータアクセスに対する一貫性のないアプローチである。 既存のルールで表されるデータ依存データベースにおけるCQAについて検討する。
  論文  参考訳（メタデータ） (2024-01-11T08:48:40Z)

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。