論文の概要: Memory Is a Derivation: The Distributed-Evidence Paradox in Long-Term Agents

• arxiv url: http://arxiv.org/abs/2609.36130v1
• Date: Mon, 28 Sep 2026 19:04:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.963667
• Title: Memory Is a Derivation: The Distributed-Evidence Paradox in Long-Term Agents
• Title（参考訳）: メモリは派生である: 長期エージェントにおける分散エビデンスパラドックス
• Abstract要約: 長期にわたるLLMエージェントは、過去のインタラクションを永続記憶に圧縮し、後続のタスクの前提として再利用することができる。 これは、メモリが実際に相互作用履歴がサポートしているものから従うかどうかという、明確な派生問題を生み出します。 したがって、その引用が関連する証拠を省略するため、有効な記憶はサポートされないが、個々の支持された事実は、確立されていない歴史というより強い言明に構成される可能性がある。 私たちはDerivAuditを紹介します。これは、メモリが実際に書かれたときに利用可能な履歴によってサポートされているかどうかを監査するためのフレームワークです。
• 参考スコア（独自算出の注目度）: 15.0913585698927
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-running LLM agents compress past interactions into persistent memories that may be reused as premises for later tasks. This creates a distinct derivation problem: whether the memory actually follows from what the interaction history supports. Relevant evidence may be scattered across earlier interactions, while compression can introduce relations or event status that the history never established. A valid memory may therefore appear unsupported because its citations omit relevant evidence, while individually supported facts may be composed into a stronger statement the history never established. We characterize this problem through three coupled requirements: (1) Evidence scope; (2) Compositional validity; (3) Admission reliability. We therefore ask whether the interaction history available at write time supports what enters persistent memory. We introduce DerivAudit, a framework for auditing whether a memory is actually supported by the history available when it was written. The audit separates three questions: whether supporting evidence lies beyond writer-provided citations, whether the composed memory introduces unsupported meaning, and how write-time admission decisions affect later memory use. Across two natural memory corpora, audits using broader pre-write history recover support for nearly 60% of memories that appear unsupported from citations alone, while 17-21% remain unsupported after expansion. Yet broader evidence does not by itself make admission reliable: unsupported memories are still frequently admitted across verification models, and evidence expansion alone worsens it on two backbones.
• Abstract（参考訳）: 長期にわたるLLMエージェントは、過去のインタラクションを永続記憶に圧縮し、後続のタスクの前提として再利用することができる。 これは、メモリが実際に相互作用履歴がサポートしているものから従うかどうかという、明確な派生問題を生み出します。 関連する証拠は以前の相互作用に散らばり、圧縮は歴史が確立しなかった関係や出来事のステータスを導入することができる。 したがって、その引用が関連する証拠を省略するため、有効な記憶はサポートされないが、個々の支持された事実は、確立されていない歴史というより強い言明に構成される可能性がある。 本研究は,(1)エビデンス範囲,(2)構成妥当性,(3)受注信頼性の3つの条件により,この問題を特徴づける。 したがって、書き込み時に利用可能なインタラクション履歴が永続メモリに入るものをサポートするかどうかを問う。 私たちはDerivAuditを紹介します。これは、メモリが実際に書かれたときに利用可能な履歴によってサポートされているかどうかを監査するためのフレームワークです。 調査では、エビデンスを支持することが、著者が提案した引用以上のものなのか、作曲された記憶が無意味な意味を導入するのか、そして、書き込み時の許可決定が後のメモリ使用にどのように影響するか、という3つの質問を分けている。 2つの自然記憶コーパス全体で、より広範なプリライト履歴を使用した監査は、引用だけではサポートされない記憶の60%近くを回復し、拡張後も17-21%がサポートしていない。 しかし、より広範な証拠は、それ自体は容認を信頼できるものではない:支持された記憶は、検証モデル全体でも頻繁に認められ、証拠の拡充だけで2つのバックボーンが悪化する。

関連論文リスト

• CueMem: Cue-Guided Context Reconstruction for Long-Term Conversational Memory [38.76918926805768]
  CueMemは、抽出されたメモリレコードを検索キューとして扱うキュー誘導フレームワークである。 ソースターンからクエリ関連対話コンテキストを再構築する。 LoCoMoとLongMemEvalの実験によると、CueMemは長期的なメモリ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） (2026-09-11T02:27:22Z)
• 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)
• UTILMEM: Benchmarking Evidence Utilization in Long-Term Conversational Memory [32.625416782173204]
  メモリ使用率を評価するための診断ベンチマークであるUtilMemを紹介する。 従来のファクトメモリベンチマークの強い性能は、有効メモリ利用に確実に変換されないことが判明した。 これらの知見は,記憶されている情報へのアクセスと有効利用との間に大きなギャップを生じさせ,長期の会話記憶の進歩には,検索妨害に対する証拠統合と堅牢性を明確に支援するアーキテクチャが必要であることを示唆している。
  論文  参考訳（メタデータ） (2026-08-31T09:41:26Z)
• Dual Latent Memory in Vision-Language-Action Models for Robotic Manipulation [96.18832998704329]
  ラメムVLA(LaMem-VLA)は、ラメムVLA(LaMem-VLA)という、ラメムVLA(LaMem-VLA)という、ラメムVLA(LaMem-VLA)という、ラメムVLA(LaMem-VLA)という、ラメムVLA(LaMem-VLA)のフレームワークである。 LaMem-VLAは、メモリがVLA推論に直接参加し、コンテキスト境界下でアクション生成をガイドすることを可能にする。
  論文  参考訳（メタデータ） (2026-07-08T16:26:06Z)
• RaMem: Contextual Reinstatement for Long-term Agentic Memory [21.228780482661076]
  本稿では,検索したメモリフラグメントを文脈的エビデンスに変換するフレームワークであるAgenic Memory (RaMem) について述べる。 ラメムは4つの調整された段階を経る: (i) それぞれの記憶を元のエピソード条件、特にイベント時間、参照時間、セッションスパンおよび参加者に固定する証拠 (ii) 記憶条件誘導は、クエリによって入力されたエビデンス条件を導出する; (iii) 妥当性認識検索は、これらの条件を使用して、コンテンツ関連候補をフォールバック証拠として保持しながら、コンテキスト互換な記憶を優先順位付けする; (iv) コンテキスト保存合成は、選択された記憶の構造化されたコンテキストをジェネレータに保持する。
  論文  参考訳（メタデータ） (2026-06-22T04:41:14Z)
• 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)
• MemGuard: Preventing Memory Contamination in Long-Term Memory-Augmented Large Language Models [56.31411457917676]
  本稿では,メモリ構築と検索において,機能的メモリ境界を保存するタイプアウェアメモリフレームワークであるMemGuardを紹介する。 幻覚と長期会話のベンチマーク全体で、MemGuardはメモリの信頼性を最大28.27%向上し、メモリトークンは以前の方法より5.8倍少ない。
  論文  参考訳（メタデータ） (2026-05-27T06:04:19Z)
• 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)
• MemWeaver: Weaving Hybrid Memories for Traceable Long-Horizon Agentic Reasoning [26.119505362626338]
  本稿では,長期エージェント体験を3つの相互接続コンポーネントに集約する統合メモリフレームワークを提案する。 MemWeaverは、構造化された知識を共同で検索し、エビデンスをサポートし、コンパクトで情報密度の高いコンテキストを構築するデュアルチャネル検索戦略を採用している。
  論文  参考訳（メタデータ） (2026-01-26T06:39:27Z)
• Beyond Dialogue Time: Temporal Semantic Memory for Personalized LLM Agents [68.84161689205779]
  テンポラルセマンティックメモリ(TSM)は、ポイントワイドメモリのセマンティックタイムをモデル化するメモリフレームワークである。 TSMは既存の手法を一貫して上回り、最大12.2%の精度向上を実現している。
  論文  参考訳（メタデータ） (2026-01-12T12:24:44Z)

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。