論文の概要: AMBER: Training Long-Horizon Web Agents through Append-Only Memory

• arxiv url: http://arxiv.org/abs/2610.07118v1
• Date: Mon, 05 Oct 2026 17:11:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.567513
• Title: AMBER: Training Long-Horizon Web Agents through Append-Only Memory
• Title（参考訳）: AMBER:アペンドオンリーメモリによるロングホライゾンWebエージェントのトレーニング
• Abstract要約: AMBER(Append-only Memory Bank for Evidence Retention)は、エージェントがフリーフォームメモリの推論、動作、書き込みを共同で学習するフレームワークである。 WebArena Liteでは、AMBERは上書きベースのメモリよりも平均的な成功率を4.09ポイント向上させる。
• 参考スコア（独自算出の注目度）: 15.393125434303562
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern language-model agents increasingly interact with external environments over long-horizon, multi-step trajectories, where the accumulated interaction history can quickly exceed practical context budgets. To ensure reliability, agents must maintain factual information over long horizons, remember execution errors and corrective feedback, and track progress across actions. Several approaches have been proposed to achieve this without the need for maintaining the entire execution history in context, such as using the reasoning and action history, learning to maintain a fixed-size memory through an overwrite mechanism, and periodic summarization. Although overwrite memory can in principle retain anything an append-only memory can, it must learn to carry each fact through every subsequent rewrite, which is difficult to learn from sparse outcome rewards; for interactive applications like web agents, we find that trained overwrite memories delete key information required by the trajectory, as well as corrective feedback received from the environment. We introduce AMBER (Append-only Memory Bank for Evidence Retention) - a simple and scalable framework where an agent jointly learns to reason, act, and write free-form memory, while an append-only rule guarantees retention by construction. This allows AMBER to be trained end-to-end with reinforcement learning from outcome rewards without the need for extensive curated SFT data. On WebArena Lite, AMBER improves average success over overwrite-based memory by 4.09 percentage points, increases the fraction of tasks solved in five repeated runs by 4.8 percentage points, and matches an overwrite baseline trained on substantially more expensive curated supervision. AMBER achieves these improvements while maintaining a practical token budget, providing a strong balance between context efficiency, task performance, and reliable long-horizon execution.
• Abstract（参考訳）: 現代の言語モデルエージェントは、長い水平な多段階の軌道上で外部環境と相互作用しやすくなり、そこでは、蓄積された相互作用履歴が実用的な文脈予算を急速に超える。 信頼性を確保するために、エージェントは、長時間の地平線上で事実情報を保守し、実行エラーと修正フィードバックを記憶し、アクション間の進捗を追跡する必要がある。 推論やアクション履歴の使用、オーバーライト機構による固定サイズのメモリの維持、周期的な要約など、コンテキスト内での実行履歴全体を維持する必要のない、いくつかのアプローチが提案されている。 上書きメモリは、基本的には追加のみのメモリを保持できるが、後続の書き直しを通じて各事実の保持を学ばなければならない。これは、粗末な結果の報奨から学ぶのが難しい。 AMBER(Append-only Memory Bank for Evidence Retention)は、エージェントがフリーフォームメモリの推論、動作、書き込みを共同で学習するシンプルでスケーラブルなフレームワークである。 これによりAMBERは、広範囲にキュレートされたSFTデータを必要とせずに、成果報酬からの強化学習でエンドツーエンドでトレーニングすることができる。 WebArena Liteでは、AMBERはオーバーライトベースのメモリに対する平均的な成功率を4.09ポイント改善し、5回の繰り返し実行で解決されたタスクの比率を4.8ポイント向上させ、かなり高価なキュレートされた監視で訓練されたオーバーライトベースラインと一致させる。 AMBERは、実際のトークン予算を維持しながらこれらの改善を実現し、コンテキスト効率、タスクパフォーマンス、信頼性の高いロングホライゾン実行の強いバランスを提供する。

関連論文リスト

• AdMem: Advanced Memory for Task-solving Agents [13.611633561917513]
  大規模言語モデル(LLM)はツール使用エージェントとしての約束を示すが、知識の記憶、整理、再利用を必要とする長期的タスクには制限がある。 本稿では,短期記憶と長期記憶を組み合わせた2段階設計において,セマンティック,エピソード,手続き記憶を統合した統合的・自動記憶フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-05T00:11:57Z)
• MemTrain: Self-Supervised Context Memory Training [40.64801276577851]
  既存のメモリエージェントアプローチは通常、下流タスクで強化学習を施したエンドツーエンドで訓練される。 MemTrainは、LLMエージェントのコンテキストメモリ能力を高めるための自己教師型トレーニングフレームワークである。 MemTrainは、異なるモデル間のダウンストリームメモリ集約推論性能を一貫して改善する。
  論文  参考訳（メタデータ） (2026-06-02T05:56:24Z)
• WorldMemArena: Evaluating Multimodal Agent Memory Through Action-World Interaction [72.1620416874118]
  マルチモーダルな言語モデルは、長距離エージェントとしてますます多くデプロイされている。 既存のベンチマークは、静的対話上のリコールを測定し、メモリを1つのタスクの精度に分解し、キャプションに対する視覚的な観察を減らす。 マルチモーダルエージェントメモリを,観測可能な4段階ライフサイクルを持つアクションワールドインタラクションループとして定式化する。
  論文  参考訳（メタデータ） (2026-05-28T04:27:20Z)
• Fine-Mem: Fine-Grained Feedback Alignment for Long-Horizon Memory Management [63.48041801851891]
  Fine-Memは、きめ細かいフィードバックアライメントのために設計された統一されたフレームワークである。 MemalphaとMemoryAgentBenchの実験は、Fin-Memが強いベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-01-13T11:06:17Z)
• 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)
• MEM1: Learning to Synergize Memory and Reasoning for Efficient Long-Horizon Agents [84.62985963113245]
  我々は,長時間のマルチターンタスクに対して,エージェントが一定のメモリで動作可能な,エンドツーエンドの強化学習フレームワークMEM1を紹介する。 各ターンでMEM1は、メモリ統合と推論を共同でサポートするコンパクトな共有内部状態を更新する。 その結果,MEM1-7Bは16目的のマルチホップQAタスクにおいて,Qwen2.5-14B-Instructと比較してメモリ使用量を3.7倍削減し,3.5倍の性能向上を示す。
  論文  参考訳（メタデータ） (2025-06-18T19:44:46Z)

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。