論文の概要: UpliftMem: Learning Set-Level Uplift for Agent Memory Retrieval

• arxiv url: http://arxiv.org/abs/2609.36805v1
• Date: Tue, 29 Sep 2026 06:17:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.232714
• Title: UpliftMem: Learning Set-Level Uplift for Agent Memory Retrieval
• Title（参考訳）: UpliftMem: エージェントメモリ検索のためのセットレベルアップリフトを学習する
• Abstract要約: 大きな言語モデル(LLM)エージェントは、外部メモリを再利用して新しいタスクを誘導するが、効果的な検索には、どのメモリセットが実行を改善するかを学ぶ必要がある。 我々はtextscUpliftMemを導入し、これはメモリなしで同じ実行者に対して設定レベルのアップリフトからメモリの検索を学習する。
• 参考スコア（独自算出の注目度）: 6.8528335287164035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM) agents reuse external memory to guide new tasks, but effective retrieval requires learning which memory sets improve execution. Such learning relies on costly outcome feedback: ordinary retrieval observes only executed sets, while evaluating alternatives requires additional rollouts. We introduce \textsc{UpliftMem}, which learns memory retrieval from set-level execution uplift relative to the same executor without memory. A theoretical analysis of how retrieval preferences restrict feedback coverage motivates targeted probing of alternative memory sets. Probe selection follows an expected value of sample information (EVSI) criterion, derived in closed form under a correlated Gaussian model, to allocate limited training rollouts according to their expected improvement in local retrieval decisions. The shared scorer is trained with a frozen executor and selects memory sets without test-time probes. Across ALFWorld, WebShop, and BigCodeBench, \textsc{UpliftMem} achieves the best success rates among evaluated baselines on the main evaluation sets. Controlled fixed-store and matched probe budget evaluations further demonstrate improved memory-use decisions and more effective use of execution feedback.
• Abstract（参考訳）: 大きな言語モデル(LLM)エージェントは、外部メモリを再利用して新しいタスクを誘導するが、効果的な検索には、どのメモリセットが実行を改善するかを学ぶ必要がある。 通常の検索は実行された集合のみを観察し、代替品を評価するには追加のロールアウトが必要である。 メモリのない同じエグゼキュータに対して,セットレベルの実行アップリフトからメモリ検索を学習する。 検索の嗜好がフィードバックのカバレッジを制限する方法に関する理論的分析は、代替メモリセットのターゲット探索を動機付けている。 プローブ選択は, ガウスモデルに基づくクローズド形式のサンプル情報(EVSI)基準の期待値に従って, 局所的検索決定における期待値の改善に応じて, 限定的なトレーニングロールアウトを割り当てる。 共有スコアラは凍結エグゼキュータでトレーニングされ、テストタイムプローブなしでメモリセットを選択する。 ALFWorld、WebShop、BigCodeBench、 \textsc{UpliftMem}は、主要な評価セットで評価されたベースラインの中で最高の成功率を達成する。 制御された固定ストアと一致したプローブ予算の評価により、メモリ使用率の向上と実行フィードバックの有効利用がさらに実証された。

関連論文リスト

• Memory as a Controlled Process: Learned Adaptive Memory Management for LLM Agents [72.3752981234916]
  大きな言語モデル(LLM)エージェントは、タスク間の経験を蓄積するために、外部メモリシステムに依存している。 メモリ操作をマルコフ決定プロセスとしてモデル化するフレームワークである制御プロセス(MemCon)としてメモリを提示する。 MemConは、複数のメモリベースラインのタスク成功率を最大15.2ポイント上回り、トークン消費量を5-20%削減している。
  論文  参考訳（メタデータ） (2026-07-15T08:32:40Z)
• MILES: Modular Instruction Memory with Learnable Selection for Self-Improving LLM Reasoning [17.668597279485407]
  MILESは、ステップワイズメモリを動的に拡張し、現実的なテスト時間制約の下で正確性に最適化されたメモリ構成を適用するフレームワークである。 MILESは、優れた精度と効率のトレードオフを達成しつつ、従来手法と一貫して一致または性能を向上する。
  論文  参考訳（メタデータ） (2026-07-08T03:51:37Z)
• 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)
• Learning User-Aware Recall: Personalized Retrieval in Long-Term Conversational Memory [15.297367578990903]
  プロファイル誘導型パーソナライズド検索最適化(PPRO)は対話履歴からエピソードおよびセマンティックメモリバンクを構築する。 PPROはメモリランキングにおいて明示的なパーソナライズされた先行として機能し、検索は安定したユーザー属性、好み、関係を考慮できる。 LoCoMoとLongMemEval-Sの実験では、トレーニング不要のメモリシステムよりも一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-05-28T06:47:48Z)
• Mem-$π$: Adaptive Memory through Learning When and What to Generate [65.31077328444077]
  本稿では,大規模言語モデル(LLM)エージェントにおける適応メモリのためのフレームワークを提案する。 Mem-$は検索ベースとRL最適化メモリベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-05-20T17:51:05Z)
• 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)
• Response-Aware User Memory Selection for LLM Personalization [21.52216937428913]
  メモリ選択(RUMS)に対する応答-ユーティリティ最適化 RUMSは、メモリサブセットとモデル出力の相互情報を測定することによって、ユーザメモリアイテムを選択する新しい方法である。 RUMSを用いて選択したメモリアイテムは,計算コストを最大95%削減した上で,既存の手法に比べて応答品質が向上することを示す。
  論文  参考訳（メタデータ） (2026-04-15T23:10:19Z)
• TA-Mem: Tool-Augmented Autonomous Memory Retrieval for LLM in Long-Term Conversational QA [8.036549927091286]
  大規模言語モデル(LLM)は、様々なドメインにわたるテキストベースのコンテキストにおいて強力な推論能力を示した。 コンテキストウィンドウの制限は、長距離推論タスクにおけるモデルの課題を引き起こす。 ツール拡張型自律メモリ検索フレームワーク(TA-Mem)を導入する。 TA-MemはLoCoMoデータセットで評価され、既存のベースラインアプローチよりも大幅にパフォーマンスが向上した。
  論文  参考訳（メタデータ） (2026-03-10T07:27:01Z)
• MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks [55.145729491377374]
  メモリを持つエージェントの既存の評価は、通常、単独で記憶と行動を評価する。 マルチセッションメモリ-エージェント環境ループにおけるエージェントメモリのベンチマークのための統合評価ジムであるMemoryArenaを紹介する。 MemoryArenaは、Webナビゲーション、優先制約付き計画、プログレッシブ情報検索、シーケンシャルなフォーマルな推論を含む評価をサポートする。
  論文  参考訳（メタデータ） (2026-02-18T09:49:14Z)
• Evo-Memory: Benchmarking LLM Agent Test-time Learning with Self-Evolving Memory [89.65731902036669]
  Evo-Memoryは、大規模言語モデル(LLM)エージェントで自己進化型メモリを評価するための、ストリーミングベンチマークとフレームワークである。 10以上の代表的なメモリモジュールを評価し、10種類の多ターンゴール指向およびシングルターン推論およびQAデータセットで評価した。
  論文  参考訳（メタデータ） (2025-11-25T21:08:07Z)

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。