論文の概要: RealCompanion: Benchmarking Human Understanding from Reasoning over Longitudinal Real-World Conversations

• arxiv url: http://arxiv.org/abs/2610.01780v1
• Date: Thu, 01 Oct 2026 14:31:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.192693
• Title: RealCompanion: Benchmarking Human Understanding from Reasoning over Longitudinal Real-World Conversations
• Title（参考訳）: RealCompanion: 時間的リアルタイム会話に対する推論から人間の理解をベンチマークする
• Abstract要約: これをテストするには、実際の人の記録が必要であり、これらのレコードはプライベートであるので、ベンチマークは人と質問を生成し、何が重要なのかを事前に解決する。 最大120日間にわたって27,218のメッセージが会話としてリリースされ、そこから派生した4つのファイル、プロファイル、ペルソナ、チャットグラウンドの真実、質問セットです。
• 参考スコア（独自算出の注目度）: 6.081688469107579
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A companion that talks with a person for months should come to understand them. It should remember what they said, infer who they are, and know when the past bears on the message in front of it. Testing this requires a real person's record, and such records are private, so benchmarks generate the person and the questions and settle in advance what matters. We release \bench, ten real relationships with an AI companion: 27,218 messages over up to 120 days, released as the conversation and four files derived from it, a profile, a persona, a chat ground truth and a question set, each citing the messages it rests on. Every chat label carries the reasoning trace that produced it, checked stage by stage against the conversation. Three findings follow. First, the past is rarely needed and far away. Pooled measures mislead: a recency window finds the required message for 95.9\% of probes and 2.2\% of those that need memory, and at the natural rate 96\% of the gain from supplying recorded evidence comes from messages that need none. Second, no detector we tried can tell when memory is needed on real messages, authored questions over the same histories leak the cue, and labeling the same messages as memories raises their use by ten to fourteen points. Third, three agent systems reconstruct the persona with the same F1 at a 31-fold difference in cost.
• Abstract（参考訳）: 何ヶ月も人と話す仲間が彼らを理解するでしょう。 彼らが言ったことを思い出し、誰なのかを推測し、過去がいつその前のメッセージに載っているかを知るべきです。 これをテストするには、実際の人の記録が必要であり、これらのレコードはプライベートであるので、ベンチマークは人と質問を生成し、何が重要なのかを事前に解決する。 最大120日間にわたって27,218のメッセージが会話としてリリースされ、そこから派生した4つのファイル、プロファイル、ペルソナ、チャットグラウンドの真実、質問セットがそれぞれ、そのメッセージに言及されている。 各チャットラベルには、それを生成した推論トレースが格納され、会話に対してステージごとにチェックされる。 以下の3つの発見がある。 まず、過去は滅多に必要で、遠く離れている。 厳密な測定窓は、95.9 %のプローブと2.2 %のメモリを必要とするプローブの要求メッセージを見つけ、記録された証拠の供給から得られる利益の96 %は、不要なメッセージから来ている。 第二に、私たちが試した検知器は、実際のメッセージにいつメモリが必要かを知ることができず、同じ履歴に書かれた質問がキューをリークし、メモリが10から14ポイント上昇するのと同じメッセージをラベル付けします。 第3に、3つのエージェントシステムが31倍のコストで同一のF1でペルソナを再構築する。

関連論文リスト

• DolphinBench: Mapping the Pareto Frontier of Agent Memory [3.058685580689604]
  DolphinBenchは、エージェントのタスク完了を通じてメモリを直接評価するベンチマークである。 DolphinBenchには3つのナレッジワークペルソナがあり、ペルソナ当たりのユーザメッセージのトークンは約500kである。 我々は、エージェントを関連する履歴を持っていなくても実行し、それで成功し、それなしで失敗することで、ペルソナ当たり200のタスクを検証します。
  論文  参考訳（メタデータ） (2026-09-21T17:54:35Z)
• VoiceMem: Streaming Dual-Brain Memory for Real-Time Interaction [92.2925193726566]
  VoiceMemは、並列情報脳、感情的右脳、ストリーミングメモリI/O機構を備えたメモリアーキテクチャである。 実験と実世界の展開には3つの利点がある。
  論文  参考訳（メタデータ） (2026-08-26T16:50:05Z)
• Keep It InMind: Benchmarking the Implicit-Association Blind Spot in Agent Memory [32.094723684433895]
  長期記憶システムは、ユーザが外部ストアで言ったことを格納し、関連するクエリが到着したときにそれを検索する。 このインターフェースは、非常に自然な仮定に基づいており、滅多に述べられません:必要なメモリは、それを必要とするクエリに似ているでしょう。 この障害モードを暗黙の連想盲点と呼び、10つの生命ドメインにまたがるベンチマークであるInMindを紹介します。
  論文  参考訳（メタデータ） (2026-07-27T12:42:12Z)
• Inferential Privacy Leakage in Anonymized Conversational AI Logs [3.075317043745676]
  グローバル・サウス4カ国1000人以上のコーパス上で、ChatGPT会話のプライバシー関連の特徴を2つ測定した。 34.5%のユーザーメッセージは、20の分類にまたがる個人情報を含み、中央のユーザーは会話履歴の最初の14%でコンテンツを識別する。 オフシェルフ大言語モデルは、各ユーザの年齢、性別、国をそれぞれ0.84、0.90、0.88の重み付きF1で復元し、会話履歴の最初の5%から中央値のユーザが識別する。
  論文  参考訳（メタデータ） (2026-05-22T16:22:14Z)
• The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT [17.579565226391146]
  実世界の80人のChatGPTユーザの2,050個のメモリエントリを分析した。 私たちのデータセットの96%のメモリは、会話システムによって一方的に生成されます。 大部分のメモリ(84%)は、ユーザコンテキストで直接ベースになっています。
  論文  参考訳（メタデータ） (2026-02-01T21:39:36Z)
• OP-Bench: Benchmarking Over-Personalization for Memory-Augmented Personalized Conversational Agents [55.27061195244624]
  オーバーパーソナライゼーションを3つのタイプに分類する。 エージェントは不要な場合でも、ユーザメモリを取得およびオーバーアタッチする傾向があります。 我々の研究は、メモリ拡張対話システムにおいて、より制御可能で適切なパーソナライズに向けた最初の一歩を踏み出した。
  論文  参考訳（メタデータ） (2026-01-20T08:27:13Z)
• PersonaMem-v2: Towards Personalized Intelligence via Learning Implicit User Personas and Agentic Memory [56.81126490418336]
  パーソナライゼーションは、AI能力とアライメントの進歩における次のマイルストーンの1つだ。 PersonaMem-v2は300以上のシナリオ、20,000以上のユーザの好み、128kのコンテキストウィンドウで、1,000の現実的なユーザ-チャットボットインタラクションをシミュレートする。 我々はQwen3-4BをトレーニングしてGPT-5を上回り、暗黙のパーソナライゼーションにおいて53%の精度を達成した。
  論文  参考訳（メタデータ） (2025-12-07T06:48:23Z)
• REALTALK: A 21-Day Real-World Dataset for Long-Term Conversation [51.97224538045096]
  本稿では、21日間のメッセージアプリ対話のコーパスであるREALTALKを紹介する。 EI属性とペルソナの整合性を比較し,現実世界の対話による課題を理解する。 その結果,モデルでは対話履歴のみからユーザをシミュレートすることが困難であり,特定のユーザチャットの微調整はペルソナのエミュレーションを改善することがわかった。
  論文  参考訳（メタデータ） (2025-02-18T20:29:01Z)
• X-TURING: Towards an Enhanced and Efficient Turing Test for Long-Term Dialogue Agents [56.64615470513102]
  チューリングテストは、自然言語の会話においてAIが人間のような振る舞いを示すかどうかを調べる。 従来の設定では、各参加者は一度に1つのメッセージに制限される。 本稿では,textitburstダイアログパターンを用いて,元のテストを強化するtextbftextscX-Turingを提案する。
  論文  参考訳（メタデータ） (2024-08-19T09:57:28Z)

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。