論文の概要: The Right Memory in the Wrong Context: Verifying Retrieval Admissibility in Long-Term Agent Memory
- arxiv url: http://arxiv.org/abs/2610.07309v1
- Date: Mon, 05 Oct 2026 19:47:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.620224
- Title: The Right Memory in the Wrong Context: Verifying Retrieval Admissibility in Long-Term Agent Memory
- Title（参考訳）: 単語文脈における右記憶:長期エージェント記憶における検索適応性検証
- Abstract要約: 長期記憶エージェントは、他のプリンシパルに属し、ポリシーに違反したり、ライフサイクル状態を反映したりするため、現在の要求に対して許容できない情報を検索することができる。
本稿では,各メモリクエリ対に3つの状態(許容,不許容,未解決)の1つを割り当てる検索許容検証フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 5.138725534209034
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-term-memory agents can retrieve relevant information that is inadmissible for the current request because it belongs to another principal, violates policy, or reflects an incompatible lifecycle state. Recall and final-answer accuracy do not reveal this: a route can appear safe by missing required evidence, while a correct answer may follow inadmissible prompt exposure. We introduce a retrieval-admissibility verification framework that assigns each memory-query pair one of three statuses (admissible, inadmissible, or unresolved), compares routes at matched required-evidence recall with bounds for unresolved cases, and tracks memory IDs through prompt exposure while linking exposure to target-level disclosure. We evaluate its stages on separate, non-pooled populations. A post-hoc top-20 reanalysis of frozen rankings from two public long-term-memory benchmarks, RHELM and MemOps, covers 3,767 queries. All released anchors lie within trusted query namespaces; with within-namespace scores unchanged, off-namespace filtering cannot lower their ranks. Top-20 anchor recall increases from 0.432 to 0.533, 80% recall feasibility from 0.237 to 0.311, and exact similarity evaluations decrease by 98.3%. In a frozen 72-case development diagnostic, a released-metadata reference preserves required evidence, whereas neither text-only verifier detects violations under the 1% required-anchor false-denial limit. Across 1,523 paired benchmark-native cases, namespace routing is associated with judged-accuracy gains of 0.053-0.068 across three readers; recall also changes, so this comparison is observational. In 16 controlled exposure scenarios, only one of four reader-specific 95% confidence intervals excludes zero for relevant-inadmissible literal disclosure (+0.156, 95% CI [0.031, 0.312]). Results motivate separate verification of candidate support, admissibility, prompt exposure, and answer disclosure.
- Abstract（参考訳）: 長期記憶エージェントは、他のプリンシパルに属し、ポリシーに違反したり、互換性のないライフサイクル状態を反映したりするため、現在の要求に対して許容できない関連情報を検索することができる。
リコールと最終回答の精度は、このことを明らかにしていない: ルートは、必要な証拠が欠如しているために安全に見えるが、正しい答えは、許容できないプロンプト露光に従うことがある。
本稿では,各メモリクエリ対を3つの状態(許容,不許容,未解決)の1つに割り当てる検索許容検証フレームワークを導入し,一致した必要証拠リコール時のルートを未解決事例のバウンダリと比較し,ターゲットレベルの開示への露出をリンクしながら,即時露光によるメモリIDの追跡を行う。
我々はその段階を別々に非プール群で評価する。
RHELMとMemOpsという2つの公開長期メモリベンチマークから、フリーズランキングのホット後のトップ20が再分析され、3,767のクエリがカバーされた。
すべてのリリースされたアンカーは、信頼できるクエリネームスペース内に配置される。
トップ20のアンカーリコールは0.432から0.533に増加し、80%のリコールは0.237から0.311に増加し、正確な類似性評価は98.3%減少した。
凍結した72ケースの開発診断では、放出されたメタタ参照は必要な証拠を保存し、テキストのみの検証器は、1%の要求値の偽否認限界の下で違反を検出する。
1,523対のベンチマークネイティブケースで、名前空間ルーティングは3つの読者で0.053-0.068の判定精度向上と関連付けられている。
16の制御された露光シナリオでは、4つの読み手固有の95%信頼区間のうちの1つだけが、関連する非許容リテラル開示(+0.156, 95% CI [0.031, 0.312])のゼロを除外している。
結果は、候補支援、許容性、迅速な暴露、回答開示の個別の検証を動機付けている。
関連論文リスト
- Persistent Memory in Multi-Agent LLM Inference: What It Costs, What It Buys, and When You Can Tell [9.376130255915001]
協調エージェント間での長いコンテキスト推論の分解は、呼び出し毎にアクティブなKVキャッシュをバウンドする。
多くのシステムは、推論トレースを保存し、リコールする永続的な階層を追加する。
どちらも1つの3層エージェントアーキテクチャで測定します。
論文 参考訳（メタデータ） (2026-10-06T05:17:44Z) - What Should an Agent Remember? Disentangling Retention from Retrieval in Bounded-Memory Evaluation [0.0]
メモリ評価は、保持と選択の両方が異なる方法を比較することで、決定を曖昧にすることができる。
我々は,ストリーミングリコールベンチマークの保持と選択ルールを構築し,同じ300個のシードエピソードのすべての条件を評価する。
メモリ境界評価はアクセス固定とレポート保持と選択を別々に行うべきであることを示す。
論文 参考訳（メタデータ） (2026-09-30T06:38:14Z) - TWIST: A Proposed Benchmark for Intervention Quality in Conversational Memory, with a Human-Validated Draft-Alignment [0.0]
TWISTは、補完的かつ未測定なプロパティ、介入品質のためのベンチマークスイートである。
4つのトラックは、未解決の緊張検知をカバーし、現在の信念に応えて、記録に反するドラフトを検証している。
システムTWISTプロファイルはリコールスコアの他に、メモリがいつ介入すべきかを計測する。
論文 参考訳（メタデータ） (2026-09-23T12:25:28Z) - 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) - What Would Fix This RAG Failure? Auditing Counterfactual Response with Paired Evidence Interventions [0.0]
我々はPair-IDを紹介した。Pair-IDは1つのクエリ、検索状態、読み取り定数を格納し、次に2つの操作を横断する。
19,981のベンチマーククエリで11,105のQwen障害が特定され、SHA-256オーダーが1200を選択して、サンプリングされた応答を生成する。
その結果,ハッシュ選択された有資格障害サンプルにおいて有意な速度でエビデンスが発生し,観察された故障から部分的に予測可能であり,読者に条件付きであることが示唆された。
論文 参考訳（メタデータ） (2026-08-09T22:43:27Z) - Belief Memory: Agent Memory Under Partial Observability [56.41506249481312]
本稿では,メモリパラダイムを観測毎に1つの結論にシフトし,その確率で複数の結論を導出するBeliefMemを提案する。
BeliefMemは決定論的パラダイムが破棄されるという不確実性を保ち、エージェントが高い信頼を持って行動することを可能にする。
LoCoMoとALFWorldベンチマークの実証的な評価は、限られたデータであっても、BeliefMemが最高の平均パフォーマンスを達成することを示している。
論文 参考訳（メタデータ） (2026-05-07T02:03:13Z) - SURE-RAG: Sufficiency and Uncertainty-Aware Evidence Verification for Selective Retrieval-Augmented Generation [6.604874054866016]
本稿では,証拠満足度がセットレベル特性であることを示す,透過的なアグリゲーションプロトコルSURE-RAGを提案する。
共有ペアレベルのクレームエビデンス検証器は、SURE-RAGが集約した局所的関係分布を解釈可能な応答レベル信号に生成する。
制御されたマルチホップベンチマークであるHotpotQA-RAG v3をアーティファクト・アウェア・プロトコルで評価した。
論文 参考訳（メタデータ） (2026-05-05T09:05:40Z) - ImplicitMemBench: Measuring Unconscious Behavioral Adaptation in Large Language Models [60.14219417402433]
LLMエージェントの既存のメモリベンチマークは、事実の明示的なリコールを評価するが、意識的な検索なしに、経験が自動的な振る舞いになる暗黙の記憶を見落としている。
IndicitMemBenchは、非宣言的メモリの標準的な認知科学のアカウントから引き出された3つの構造を通して暗黙的メモリを評価する最初の体系的なベンチマークである。
当社の300イテムスイートでは,初動採点を備えたLearning/Priming-Interfere-Testプロトコルを統一しています。
論文 参考訳（メタデータ） (2026-04-09T10:26:32Z) - From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。
商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。
低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
論文 参考訳（メタデータ） (2026-03-02T13:02:13Z)
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。