論文の概要: Interpreting at Write Time: A Policy Ablation for Multi-Goal Agent Memory

• arxiv url: http://arxiv.org/abs/2610.02897v1
• Date: Fri, 02 Oct 2026 06:44:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.246388
• Title: Interpreting at Write Time: A Policy Ablation for Multi-Goal Agent Memory
• Title（参考訳）: 書き込み時の解釈:マルチゴールエージェントメモリのためのポリシーアブレーション
• Abstract要約: 私たちは、一度にいくつかの定常目標を提供するとき、メモリは何に要約すべきかを尋ねます。 3つのポリシーは、ゴールのない要約、すべてのゴールをカバーする1つの要約、ゴールごとに1つの要約を書き、それらをまとめて読む。 ゴール毎のサマリーは関連性、完全性、正確性に勝利し、オールゴールのサマリーは予算のごく一部で書かれた中立のサマリーにも負ける。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A long-running assistant cannot keep everything it has seen, so it summarises. Summarising is not neutral: what is kept is chosen against some notion of what the record is for, and that choice is made once, before anyone knows which of the user's standing goals will ask. Goals rarely disagree about what happened. They disagree about which parts of it were worth the space. Once the history is too long to re-read, the summary replaces the stream, and whatever it left out is gone. We ask what a memory should summarise for when it serves several standing goals at once. Three policies answer differently: summarise with no goal in view, write one summary covering every goal, or write one summary per goal and read them together. We compare them across several models and event streams, holding the read step fixed so that only the write differs. The goals do pull apart: summaries written for different goals overlap each other less than a summary overlaps a rewrite of itself. Per-goal summaries win on relevance, completeness and accuracy, and the all-goal summary loses even to the neutral one written at a fraction of its budget. Interpreting at write pays off, but only for the goal that later asks.
• Abstract（参考訳）: 長時間のアシスタントは、自分が見たものをすべて維持できないので、それを要約します。 集計は中立的ではなく、記録が何のためにあるかという何らかの概念に対して、保持されるものは選択され、その選択は、ユーザのスタンディングゴールのどれが要求されるかを知る前に、一度行われる。 ゴールは、何が起こったかについてほとんど意見が一致しない。 どちらの部分の空間に価値があるかについて意見が一致しない。 履歴を読み直すのに時間がかかりすぎると、サマリがストリームを置き換える。 私たちは、一度にいくつかの定常目標を提供するときに、メモリは何に要約すべきかを尋ねます。 3つのポリシーは、ゴールのない要約、すべてのゴールをカバーする1つの要約、ゴールごとに1つの要約を書き、それらをまとめて読む。 いくつかのモデルとイベントストリームを比較して、読み取りステップを固定して、書き込みのみが異なるようにします。 異なる目標のために書かれた要約は、要約が自分自身の書き直しと重なり合うよりも、互いに重なり合う。 ゴール毎のサマリーは関連性、完全性、正確性に勝利し、オールゴールのサマリーは予算のごく一部で書かれた中立のサマリーにも負ける。 書き込みでの解釈は報われるが、後に要求されるゴールに限られる。

関連論文リスト

• Decision-Sufficient State Representations: Measuring and Reducing Write-Time Regret [4.384608239484155]
  増え続ける仕事のラインには、エージェントが長いものではなく短い状態を持っている。 読者の損失を定量化し、トレーニングが減るかどうかを問う。 TextWorldの調理ゲームでは、必要になるまでにどれぐらいの期間の事実を運ばなければならないかを制御するが、その事実を保持する128の状態がほぼ全てのゲームで勝利する。
  論文  参考訳（メタデータ） (2026-09-26T17:27:32Z)
• Aim Short to Reach Far: Your Frozen World Model Can Plan Better Than You Think [11.563626437122878]
  Anchored Planning(AP)は、世界モデルのオフライン軌道を再利用するトレーニングフリーの手法である。 APは、アクション合成とアクションランキングの両方において、凍結したLeWMプランナを大幅に改善する。
  論文  参考訳（メタデータ） (2026-09-24T16:05:02Z)
• UniGoal: Towards Universal Zero-shot Goal-oriented Navigation [68.45058159533376]
  汎用的なゼロショットゴール指向ナビゲーションのための一般的なフレームワークを提案する。 本稿では,オブジェクトカテゴリ,インスタンスイメージ,テキスト記述など,異なる目標を統一する一様グラフ表現を提案する。 我々のUniGoalは、3つの研究されたナビゲーションタスクに対して1つのモデルで最先端のゼロショット性能を実現する。
  論文  参考訳（メタデータ） (2025-03-13T17:59:48Z)
• Infinite Ends from Finite Samples: Open-Ended Goal Inference as Top-Down Bayesian Filtering of Bottom-Up Proposals [48.437581268398866]
  オープンエンドゴール推論のシーケンシャルなモンテカルロモデルを導入する。 我々はこのモデルをブロックワードと呼ばれるゴール推論タスクで検証する。 実験では,人間理論の速度,精度,一般性を説明する上で,トップダウンモデルとボトムアップモデルを組み合わせることの重要性を強調した。
  論文  参考訳（メタデータ） (2024-07-23T18:04:40Z)
• What Makes a Good Summary? Reconsidering the Focus of Automatic Summarization [49.600619575148706]
  フィールドの現在の焦点は、参加者の希望と完全に一致していないことがわかります。 以上の結果から,自動要約のより広い視点を取り入れることが重要であると論じる。
  論文  参考訳（メタデータ） (2020-12-14T15:12:35Z)
• The Shmoop Corpus: A Dataset of Stories with Loosely Aligned Summaries [72.48439126769627]
  個々の章ごとに詳細なマルチパラグラフの要約と組み合わせた231ストーリーのデータセットであるShmoop Corpusを紹介します。 コーパスから、クローズ形式の質問応答や抽象的要約の簡易な形式を含む共通のNLPタスクのセットを構築する。 このコーパスのユニークな構造は、マシンストーリーの理解をより親しみやすいものにするための重要な基盤となると信じている。
  論文  参考訳（メタデータ） (2019-12-30T21:03:59Z)

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。