論文の概要: When Successful Memories Mislead Embodied Agents:Memory Adaption For Task-Conditioned Execution

• arxiv url: http://arxiv.org/abs/2609.35808v1
• Date: Sun, 20 Sep 2026 03:12:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.845129
• Title: When Successful Memories Mislead Embodied Agents:Memory Adaption For Task-Conditioned Execution
• Title（参考訳）: 覚醒剤の誤用が成功した場合:タスク記述実行のための記憶適応
• Abstract要約: タスク記述実行(MATE)のためのメモリ適応方式を提案する。 MATEは、トラジェクトリを実行指向メモリに変換する決定論的後検索プロシージャである。 134のALFWorldタスクでは、MATEタスクの成功率は81.3%と93.3%であり、Qwen2.5-14Bと72Bは、生の軌道で必要とされるトークンの約10分の1を使用している。
• 参考スコア（独自算出の注目度）: 21.40036807201119
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Experience reuse can reduce repeated exploration in embodied agents, but a trajectory that succeeded previously may be unsuitable for the current execution context. Existing memory systems pri marily optimize construction and retrieval; semantic relevance and historical success therefore remain insufficient when retrieved ex perience contains incompatible actions or an inappropriate level of structure. We introduce Memory Adaptation for Task-Conditioned Execution (MATE), a deterministic post-retrieval procedure that converts trajectories into execution-oriented memory. MATE re moves obsolete control context, extracts condition-action-effect transitions, applies verified action normalization, selects a task dependent representation, and serializes the result under a fixed budget without additional LLM inference. On 134 ALFWorld tasks, MATE achieves task success rates of 81.3% and 93.3% with Qwen2.5-14B and 72B while using approximately one-tenth of the tokens required by raw trajectories. Controlled comparisons show that verified action normalization is the principal mechanism by which MATE restores the utility of retrieved experience, support ing memory adaptation as a distinct stage between retrieval and embodied execution.
• Abstract（参考訳）: 経験的再利用は、エンボディエージェントにおける繰り返し探索を減らすことができるが、以前成功した軌道は、現在の実行コンテキストには適さないかもしれない。 既存のメモリシステムは、構築と検索を適切に最適化するが、セマンティックな関連性や歴史的成功は、検索されたエクスペランスが不適合な動作や不適切な構造を含む場合、依然として不十分である。 本稿では,トラジェクトリを実行指向メモリに変換する決定論的後検索手法であるMATE(Task-Conditioned Execution)のメモリ適応について紹介する。 MATEは、陳腐化した制御コンテキストを移動し、条件-作用-効果遷移を抽出し、検証された動作正規化を適用し、タスク依存表現を選択し、LLM推論を追加することなく、固定予算下で結果をシリアライズする。 134のALFWorldタスクでは、Qwen2.5-14Bと72Bでタスク成功率81.3%と93.3%を達成した。 制御された比較では、MATEが検索された経験の効用を回復する主要なメカニズムは、検証された動作正規化であり、検索と実施の間の異なる段階としてメモリ適応をサポートすることが示されている。

関連論文リスト

• ActiveMem: Dynamic Latent Memory Trees for Long-Horizon Agents [6.1201750285699275]
  ActiveMemは階層型メモリフレームワークで、エージェントエクスペリエンスを依存性対応の潜伏実行ツリーに整理する。 我々は、ActiveMemが既存のメモリベースエージェントよりもタスク補完、推論安定性、メモリ効率を一貫して改善していることを示します。
  論文  参考訳（メタデータ） (2026-09-27T05:30:01Z)
• Beyond Retrieval: Query-Conditioned Reuse of Long-Horizon Agent Trajectories [16.13133177152883]
  Retrievalは、重要かもしれない過去の軌跡を特定することができるが、ユーザー、エンティティ、制約、環境状態が変わった後、エージェントがその軌跡をどのように使うべきかは明記していない。 我々は,この再検索後の再利用ステップを,長期記憶のボトルネックとして認識する。 クエリ条件の再利用(QCR)によってフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2026-08-13T05:39:49Z)
• UniMem: Complementary Episodic-to-Parametric Memory for Boundary-Agnostic Task Streams [77.52140119830241]
  自律型メモリ管理のためのセルフルーティングフレームワークUniMemを提案する。 UniMemは学習可能なルーティングトークンをメモリコントローラとして使用し、相補的なメモリ経路間の適応的な調整を可能にする。 長距離ストリーミングタスクシーケンスの実験では、UniMemは実行の忠実さを維持しながらベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-07-28T17:28:21Z)
• 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)
• What Memory Do GUI Agents Really Need? From Passive Records to Active Task-Driving States [29.883598855446976]
  モバイルGUIエージェントは、ページやアプリケーション間でのタスク関連データの読み込み、更新、再利用を必要とする長い水平タスクに直面している。 既存の方法は、メモリを主にパッシブストレージとして扱い、過去の観測が蓄積され、必要に応じて回収される。 本稿では,GUIエージェントメモリをパッシブストレージからアクティブに保守された実行状態に移行するアクティブタスク駆動メモリ(ATMem)を提案する。
  論文  参考訳（メタデータ） (2026-06-30T13:01:19Z)
• Learning to Retrieve: Dual-Level Long-Term Memory for Text-to-SQL Agents [63.38073530162493]
  長期記憶は、エージェントが過去の経験を再利用するのに役立つ。 静的メソッドは、下流ユーティリティを最適化しない固定された類似性に依存します。 動的マルチ水平メモリ検索フレームワークであるMERITを提案する。
  論文  参考訳（メタデータ） (2026-05-30T05:44:34Z)
• Is One Score Enough? Rethinking the Evaluation of Sequentially Evolving LLM Memory [50.857546269660276]
  本稿では,大規模言語モデル(LLM)メモリを逐次進化させる診断評価フレームワークであるSeqMem-Evalを紹介する。 最終的なパフォーマンスのみに焦点を当てるのではなく、SeqMem-Evalは、シーケンシャル推論において、メモリ状態がどのように進化し、一般化し、エクスペリエンスを集約し、有用な情報を保持するかを評価する。
  論文  参考訳（メタデータ） (2026-05-14T20:15:22Z)
• You Only Need Your Transformer 25% of the Time: Meaning-First Execution for Eliminating Unnecessary Inference [0.0]
  本稿では,このフレームワークを実装したコントロールプレーンアーキテクチャであるMeaning-First Execution (MFEE)を紹介する。 MFEEは78.1%の実行削減を実現し、呼び出された実行に対する100%の正確なマッチ等価性を維持している。
  論文  参考訳（メタデータ） (2025-12-29T08:03:52Z)
• Memp: Exploring Agent Procedural Memory [72.41472703974935]
  LLM(Large Language Models)ベースのエージェントは様々なタスクをこなすが、静的パラメータで手動で設計または絡み合うような不安定なプロシージャメモリに悩まされる。 本稿では,過去のエージェントの軌跡をステップバイステップの細粒度と高レベルなスクリプトライクな抽象化の両方に蒸留するMempを提案する。 メモリレポジトリが洗練されるにつれて、エージェントは着実に高い成功率と類似タスクの効率を達成できることを示す。
  論文  参考訳（メタデータ） (2025-08-08T16:20:56Z)

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。