論文の概要: From Memory to Guide: Spatio-Temporal Composer for Procedural Coding Memory

• arxiv url: http://arxiv.org/abs/2610.04868v1
• Date: Sun, 04 Oct 2026 02:15:24 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 21:02:48.307712
• Title: From Memory to Guide: Spatio-Temporal Composer for Procedural Coding Memory
• Title（参考訳）: メモリからガイドへ:プロシージャコーディングメモリのための時空間コンストラクタ
• Abstract要約: From Memory to Guideは、プロシージャメモリを受動的テキスト配信からアクティブな推論時ポリシー適応に移行する新しいパラダイムである。 このパラダイムをSpatio-Temporal Composerを通じてインスタンス化する。これはアクティブなポリシーコンパイラで、取得した知識をどのように、いつ適用すべきかを明確に管理する。
• 参考スコア（独自算出の注目度）: 50.93446596863591
• License:
• Abstract: Memory-augmented agents typically integrate procedural knowledge by injecting retrieved skills directly into text prompts. This approach dangerously equates readable text with reliable execution. To bridge this gap, we introduce From Memory to Guide, a novel paradigm that transitions procedural memory from passive text delivery to active, inference-time policy adaptation. We instantiate this paradigm through the Spatio-Temporal Composer, an active policy compiler that explicitly manages exactly how and when retrieved knowledge should be applied. Rather than treating skills as plug-and-play modules, Composer dynamically aligns historical knowledge with current environmental constraints (spatial adaptation) and precisely dictates its applicable lifecycle (temporal orchestration). It actively transforms static memories into strictly bounded Runtime Guides---equipping the agent with localized objectives and behavioral guardrails without requiring a single parameter update. Extensive evaluations on 13 demanding, long-horizon software engineering tasks in EngramBench demonstrate the clear advantages of this architecture. Composer not only robustly prevents context mismatch but drives an absolute pass-rate increase of 7.2 percentage points on the most complex tasks, while simultaneously slashing the main agent's token usage by 32.2%.
• Abstract（参考訳）: メモリ拡張エージェントは典型的には、検索したスキルを直接テキストプロンプトに注入することで手続き的な知識を統合する。 このアプローチは、読みやすいテキストと信頼できる実行とを危険に当てはまる。 このギャップを埋めるために、我々は、プロシージャメモリを受動的テキスト配信からアクティブな推論時ポリシー適応に移行する新しいパラダイムであるFrom Memory to Guideを紹介した。 このパラダイムをSpatio-Temporal Composerを通じてインスタンス化する。これはアクティブなポリシーコンパイラで、取得した知識をどのように、いつ適用すべきかを明確に管理する。 スキルをプラグアンドプレイモジュールとして扱うのではなく、Composerは歴史的知識を現在の環境制約(空間的適応)と動的に整合させ、適用可能なライフサイクル(時間的オーケストレーション)を正確に規定する。 静的メモリを厳密に境界付けられた実行時ガイドに積極的に変換する - 単一のパラメータ更新を必要とせずに、エージェントにローカライズされた目的と振る舞いのガードレールを装備する。 EngramBenchで要求される13の長期的ソフトウェアエンジニアリングタスクに関する大規模な評価は、このアーキテクチャの明確な利点を示している。 コンストラクタは、コンテキストミスマッチを堅牢に防止するだけでなく、最も複雑なタスクにおいて、絶対パスレートが7.2ポイント増加し、同時にメインエージェントのトークン使用量を32.2%削減する。

関連論文リスト

• ActiveMem: Dynamic Latent Memory Trees for Long-Horizon Agents [6.1201750285699275]
  ActiveMemは階層型メモリフレームワークで、エージェントエクスペリエンスを依存性対応の潜伏実行ツリーに整理する。 我々は、ActiveMemが既存のメモリベースエージェントよりもタスク補完、推論安定性、メモリ効率を一貫して改善していることを示します。
  論文  参考訳（メタデータ） (2026-09-27T05:30:01Z)
• Beyond Memory Construction: Rethinking Memory Access for LLM-based Conversational Agents [15.388928886536716]
  Threaderは、メモリ構築から、生のインタラクションに対する効率的な構造認識アクセスへと焦点を移すメモリシステムである。 応答精度とエビデンスリコールを継続的に改善し、メモリ構築オーバーヘッドを大幅に削減する。
  論文  参考訳（メタデータ） (2026-09-27T05:07:21Z)
• UniMem: Complementary Episodic-to-Parametric Memory for Boundary-Agnostic Task Streams [77.52140119830241]
  自律型メモリ管理のためのセルフルーティングフレームワークUniMemを提案する。 UniMemは学習可能なルーティングトークンをメモリコントローラとして使用し、相補的なメモリ経路間の適応的な調整を可能にする。 長距離ストリーミングタスクシーケンスの実験では、UniMemは実行の忠実さを維持しながら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） (2026-07-28T17:28:21Z)
• PERMA: Benchmarking Personalized Memory Agents via Event-Driven Preference and Realistic Task Environments [72.02445514666428]
  静的な嗜好リコールを超えてペルマの一貫性を評価するためのベンチマークであるPERMAを紹介する。 PerMAは、複数のセッションとドメインにまたがる時間的に順序付けられたインタラクションイベントと、時間とともに好みに関連するクエリで構成されている。 実験により、関連するインタラクションをリンクすることで、高度なメモリシステムはより正確な好みを抽出し、トークン消費を減らすことができることが示された。
  論文  参考訳（メタデータ） (2026-03-24T14:04:11Z)
• AMA: Adaptive Memory via Multi-Agent Collaboration [54.490349689939166]
  複数の粒度にまたがるメモリ管理に協調エージェントを活用する新しいフレームワークであるAMA(Adaptive Memory via Multi-Agent Collaboration)を提案する。 AMAは、ステート・オブ・ザ・アートのベースラインを著しく上回り、トークンの消費をフルコンテキストの手法と比べて約80%削減する。
  論文  参考訳（メタデータ） (2026-01-28T08:09:49Z)
• Mem2ActBench: A Benchmark for Evaluating Long-Term Memory Utilization in Task-Oriented Autonomous Agents [20.357475946040054]
  textscMem2ActBenchは、エージェントがツールベースのアクションを実行するために長期的なメモリを積極的に活用できるかどうかを評価するベンチマークである。 リバースジェネレーション法は400のツール使用タスクを生成し、ヒトの評価は91.3%が強いメモリ依存であることを確認した。
  論文  参考訳（メタデータ） (2026-01-13T06:22:32Z)
• SimpleMem: Efficient Lifelong Memory for LLM Agents [73.74399447715052]
  セマンティックロスレス圧縮に基づく効率的なメモリフレームワークSimpleMemを紹介する。 本稿では,情報密度とトークン利用量の最大化を目的とした3段階パイプラインを提案する。 ベンチマークデータセットを用いた実験により,提案手法は精度,検索効率,推論コストにおいて,ベースラインアプローチを一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2026-01-05T21:02:49Z)
• Memory as Action: Autonomous Context Curation for Long-Horizon Agentic Tasks [23.201035830828726]
  大規模言語モデルは、長期のエージェントタスクにおいて課題に直面します。 既存のワーキングメモリメソッドは、エージェントのコアポリシーから切り離された外部メカニズムに依存している。 本稿では,一貫したポリシーの一部として明示的な編集操作を実行することで,エージェントが作業メモリを積極的に管理する新しいフレームワーク,Memory-as-Actionを提案する。
  論文  参考訳（メタデータ） (2025-10-14T15:29:57Z)

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。