論文の概要: Knowing the Store: What a Memory Backend Must Write Down Before an Agent Can Read It

• arxiv url: http://arxiv.org/abs/2610.04794v1
• Date: Sat, 03 Oct 2026 22:39:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 08:51:43.431255
• Title: Knowing the Store: What a Memory Backend Must Write Down Before an Agent Can Read It
• Title（参考訳）: ストアを知る: エージェントが読む前に、メモリバックが書き下がらなければならないもの
• Abstract要約: 私たちは、エージェントがこれを知るために、メモリストアが何を公開すべきかを尋ねます。 1つのストアの3つのバージョンに対して、148の質問がそれぞれ質問される。 モデルが何を追加するかはそのリストの長さに依存する。
• 参考スコア（独自算出の注目度）: 1.6257248483123767
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: An agent with long-term memory can answer from a record it should no longer use, such as a plan the user later cancelled. We ask what a memory store must expose for an agent to know this before retrieving anything, and we score that judgment on its own, as metamemory monitoring. Readers see only a value-free summary: record counts by lifecycle state and a list of attribute names. Each of 148 questions is asked against three versions of one store that differ in one attribute, so wording cannot give the answer away. What a model adds depends on the length of that list. On the short lists the benchmark's ground truth produces (2.6 names on average), none of five language models reliably beats a cosine-similarity lookup over the names, and the three stronger ones are equivalent to it within 0.05. Under a control that fixes counts and list length, none is reliably above it and none is shown equivalent. On lists longer than the stores we tested write, padded to 60 names, the lookup loses 0.18; GPT-5.6 Luna and Sol lose 0.06 to 0.07 and lead it by 0.13 to 0.14, while the other three fall with it. The lead holds for Sol against a sibling padded to the same length and counts. Reworded to share no word with the names, the lookup loses 0.02 and one stronger reader edges 0.04 ahead. On the short lists the three stronger readers lead only where the summary counts a state without naming it, and one count feature closes that lead within a question, though not when items are pooled. The backends we tested omit or misstate this information: under FR-Bank's own metadata, GPT-4.1 mini, Haiku 4.5 and the lookup fall from 0.73, 0.82 and 0.75 to 0.60, 0.71 and 0.59. In these tests, what the store wrote down limited every reader we gave it to. All stores are synthetic; control, whether a better judgment yields a better answer, is left to a later study.
• Abstract（参考訳）: 長期記憶を持つエージェントは、ユーザが後にキャンセルしたプランなど、使用すべきでないレコードから応答することができる。 私たちは、何かを取得する前に、エージェントがこれを知るために、メモリストアが何を公開しなければならないのかを尋ね、メタメモリ監視として、その判断をそれ自体でスコア付けします。 ライフサイクル状態のレコードカウントと属性名のリスト。 1つの属性が異なる1つのストアの3つのバージョンに対して、148の質問がそれぞれ質問される。 モデルが何を追加するかはそのリストの長さに依存する。 ショートリストでは、ベンチマークの根拠となる真理(平均で2.6名)が生成され、5つの言語モデルのうち、名前に対するコサイン類似性のルックアップを確実に打ち負かさず、より強い3つのモデルは0.05以内でそれと同等である。 カウントとリストの長さを固定する制御の下では、その上を確実に上回るものはなく、同等のものではない。 テストした店舗よりも長いリストでは、60名にパッドされ、ルックアップは0.18で、GPT-5.6 LunaとSolは0.06から0.07で、0.13から0.14でリードし、残りの3つは0.14でダウンした。 リードは、同じ長さと数でパッドされた兄弟に対してソルを保持します。 名前と言葉を共有せず、ルックアップは0.02、より強力なリーダーエッジは0.04である。 短いリストでは、3つのより強い読者が、要約が名前を付けずに状態をカウントしているところだけをリードし、1つのカウント機能は、いつアイテムがプールされているかではなく、質問内でリードしている。 FR-Bankのメタデータでは、GPT-4.1 mini、Haiku 4.5、ルックアップは0.73、0.82、0.75から0.60、0.71、0.59となっている。 これらのテストでは、ストアが書いたものは、私たちが与えたすべての読者に限られていました。 すべての店舗は人工的であり、より良い判断がより良い答えをもたらすかどうかに関わらず、制御は後の研究に委ねられる。

関連論文リスト

• ALER: Adaptive Learnable Experience Rewriting for Reinforcement Learning [44.94110361062394]
  強化学習では、後続の観察により、記憶された情報を時代遅れにしたり、次の決定に意味するものを変更することができる。 本稿では,LSTMとスロットメモリをペアリングするエージェントであるALER(Adaptive Learnable Experience Rewriting)を紹介する。 ALERは16のEndless T-Maze構成で少なくとも0.82ドル、Rune T-Maze構成で少なくとも0.99ドルに達する。
  論文  参考訳（メタデータ） (2026-09-30T18:55:45Z)
• A Memorization Floor for LLM Refinement of Decompiled Code [0.0]
  我々は、LCM出力が入力から回復するものと、以前の出力から回復するものとを分離する内部制御を導入する。 比較はイテム内であるため、コーパスのコントリビューションは困難である。 12のコントラスト、2つのモデル、12のnullを再現します。 登録仮説は確認されず,その背後にあった5つの計器的障害を総括的に報告した。
  論文  参考訳（メタデータ） (2026-09-15T14:15:08Z)
• You've Got a BUD in Me: Authenticated Reads from Per-Block Write Logs [41.99844472131922]
  我々は,各ブロックの書き込みを認証することで,バリデータがどのように過去のメンバシップや排除証明をサポートできるかを示す。 Block Update Digestは、前のポインタが各キーの連続的な変更をリンクする書き込みログをコミットする。 SuperBUDはウィンドウ上で最後の書き込みを要約する。指数的階層は長い一定間隔を短い証明に変換する。
  論文  参考訳（メタデータ） (2026-09-10T08:46:09Z)
• The Recall Trap: A Recall-Maximizing Retriever Configuration Reduces Issue Resolution in Fixed-Budget Code Context [45.88028371034407]
  コード修復における制御ケーススタディを報告し,新しい現象ではない。 私たちは、同じスタック上の1つのフラグ(1チャンク毎の重複)を切り替えます。 BM25(3.2pp、重要なパラダイム間相互作用)を逆転させる。 厳格な固定予算では、ファイルごとのハードダイドプリケートや、タスクに対するA/Bパッケージングポリシは、メトリックフラグを調整しないことが示されます。
  論文  参考訳（メタデータ） (2026-08-14T19:22:50Z)
• FACTWASH: Catching AI Rewrites That Wash Hearsay into Fact [0.0]
  AIシステムは情報を常に書き直す:会話が記憶される記憶となり、ドキュメントが答えになる。 私たちはファクト・ウォッシングと呼んでいる。これはオープンソースのライトタイム・ゲートで、判断的にそれをキャッチし、裁判官ではなく、名前のついた旗や証拠を持っています。 コストの安いチェックはいつ,モデルが必要なのか?
  論文  参考訳（メタデータ） (2026-08-04T09:20:54Z)
• Voice Memory for Agentic Speech Recognition [66.69623133635868]
  エージェント音声認識のための推論専用スキームであるVoice Memoryを提案する。 同期的に、スコア付き例は、境界編集を通じてそのファイルを更新する。 10のHyPoradiseドメインにオープン修正器、Voice Memory、重み付き単語エラー率8.36%から7.52%の10のドメインがある。
  論文  参考訳（メタデータ） (2026-07-29T02:42:56Z)
• When Does Memory Help? A Cost-Aware Evaluation of Long-Term Memory in Tool-Using LLM Agents [0.0]
  本稿では,タスク実行エージェントにおけるメモリの限界効用を測定するベンチマークであるMERITを提案する。 23,440回(42.57回)で、リーク確認フロアが0.00から0.55-1.00に上昇した。 メモリの実装をスワップすることでタスクの成功を最大60ポイント移動させ、完全なリプレイは経済的には行われない。
  論文  参考訳（メタデータ） (2026-07-26T07:42:00Z)
• Memoir: Should a Model Write to Its Memory While It Thinks? [0.0]
  Memoirは、サンプル毎の高速メモリ、共有スローパラメータ、変数深度潜時再発、および将来の遅延エネルギー目標を組み合わせたものだ。 組み合わせた腕と、それ以外は同じ読み取り専用の機雷アームを比較します。 メモリの書き直しがエネルギーシグナルを損なうという予測された失敗は起こらなかった。
  論文  参考訳（メタデータ） (2026-07-22T23:34:56Z)
• FluctlightDB: A Memory Model of Data for AI Agents [1.3537117504260623]
  FluctlightDBは、experience()を介してこのコントラクトを実装し、アクティベートする組み込みエンジンである。 LoCoMoでは、2026年7月に内部で再生されたランで99.0%のリコールが行われた。
  論文  参考訳（メタデータ） (2026-07-10T09:18:32Z)
• MEME: Multi-entity & Evolving Memory Evaluation [76.57263966646404]
  MEMEは、マルチエンタリティと進化する軸によって定義される全空間にまたがる6つのタスクを定義している。 3つの記憶パラダイムにまたがる6つの記憶システムの評価。 デフォルト設定の下では、すべてのシステムが依存性の推論で崩壊しているのが分かります。
  論文  参考訳（メタデータ） (2026-05-12T17:55:10Z)
• DS-1000: A Natural and Reliable Benchmark for Data Science Code Generation [70.96868419971756]
  DS-1000は7つのPythonライブラリにまたがる1000のデータサイエンス問題のあるコード生成ベンチマークである。 まず、StackOverflowからそれらを収集して以来の、多様で現実的で実践的なユースケースを反映しています。 第2に、私たちの自動評価は非常に具体的(信頼性)です -- 評価が受け入れているすべてのCodex予測ソリューションに対して、そのわずか1.8%が間違っています。
  論文  参考訳（メタデータ） (2022-11-18T17:20:27Z)

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。