論文の概要: What to Admit and How to Present: Governing Persistent Memory in LLM Agents

• arxiv url: http://arxiv.org/abs/2610.11188v1
• Date: Thu, 08 Oct 2026 03:45:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.785701
• Title: What to Admit and How to Present: Governing Persistent Memory in LLM Agents
• Title（参考訳）: LLMエージェントにおける永続記憶の克服
• Abstract要約: 私たちは、承認とプレゼンテーションの2つのガバナンス決定を区別します。 再トレーニングなしに2つの推論時設計を実装した。 対訳 FC と PS はプールド・ジャッジ・アセスド・失敗率を低下させる。
• 参考スコア（独自算出の注目度）: 3.0075075797261532
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Persistent memory can improve personalization in LLM agents but can also induce sycophancy and cross-domain leakage. We distinguish two governance decisions: admission, which determines what recalled information enters the working context, and presentation, which determines how admitted information is expressed. We implement two inference-time designs without retraining: factor-compiled admission (FC), which assesses whole memory entries, and permission-semantic admission (PS), which decomposes entries into typed units; both translate adjudicated attributes into eligibility decisions via deterministic policies. We evaluate on a four-backbone development suite and an external benchmark with four tasks of 300 samples each. Relative to verbatim injection, FC and PS reduce pooled judge-assessed failure rates on the external benchmark by 6.7 and 8.8 percentage points (p = 2.7e-7 and 4.1e-12), and development-set cross-domain leakage falls by up to 29.5 percentage points. A query-conditioned gating baseline shows no significant change in objective-fact failure or pooled failure. Under matched admission budgets, PS outperforms random and relevance-based selection on external objective-fact judgment after Holm correction. Holding presentation fixed, tightening admission cuts cross-domain failure by a further 17.5 percentage points (p = 1.6e-4); in contrast, no comparison between two renderings of identical adjudicated outputs survives multiple-comparison correction. Both designs increase personalization failures, and PS misses the preregistered improvement and personalization-preservation criteria. These results support evaluating admission and presentation separately: selection quality provides task-specific safety gains, while preserving beneficial memory use remains unresolved.
• Abstract（参考訳）: 永続メモリはLLMエージェントのパーソナライズを改善することができるが、サイコフィケーションやクロスドメインリークを引き起こすこともできる。 我々は、リコールされた情報が作業コンテキストに入るかどうかを決定する入場決定と、承認された情報がどのように表現されるかを決定するプレゼンテーションという2つのガバナンス決定を区別する。 本研究では, 入力を型付き単位に分解する因子補充型入場(FC)と, 入力を型付き単位に分解するパーミッション・セマンティック入場(PS)の2つの推論時設計を実装した。 我々は4つのバックボーン開発スイートと外部ベンチマークでそれぞれ4つのタスクを300のサンプルで評価した。 対数的注入とは対照的に、FCとPSは、外部ベンチマークのプールされた判定された故障率を6.7と8.8パーセント(p = 2.7e-7と4.1e-12)削減し、開発セットのクロスドメインリークは29.5ポイントまで減少する。 クエリ条件付きゲーティングベースラインは、客観的なフェールやプールされたフェールに大きな変化を示さない。 一致した入場予算の下では、PSはホルム補正後の外的客観判断においてランダムおよび関連性に基づく選択よりも優れていた。 さらに17.5パーセントのポイント(p = 1.6e-4)でドメイン間の障害を減らし(対照的に、同一の共役出力の2つのレンダリングの比較は多重比較補正のままである)。 どちらの設計もパーソナライズ障害を増大させ、PSは事前登録された改善とパーソナライズ保存基準を欠いている。 選択品質はタスク固有の安全性向上を提供する一方で、有益なメモリ使用の保存は未解決のままである。

関連論文リスト

• SpatialChain: A Benchmark for Auditing Spatial Reasoning Faithfulness in VLMs [32.72182829728677]
  思考可能な視覚言語モデル(VLM)は、空間的ベンチマークにおいてずっと高い精度を報告している。 しかし、最終回答スコアは、正しい予測が忠実な空間的推論や言語的ショートカットを反映しているかを明らかにすることはできない。 28350のトレーニングデータセットであるSpatialChainと、空間指向のGQA質問と、シーングラフに基づく推論チェーンをペアにした899のテスト例を紹介する。
  論文  参考訳（メタデータ） (2026-10-05T14:29:54Z)
• AGO AI Quality Gate: Evidence-First Release Decisions for Retrieval-Augmented Generation [35.18016233072556]
  AGO AI Quality Gateは、産業RAGアセスメントエンゲージメントにデプロイされるエビデンスファーストの品質ゲートフレームワークである。 AGOは4つの重要なコンポーネントを統合している。データ不足を処理し、エラーを明確な結果として判断する4状態決定モデルだ。 RAGBenchは、12データセットにわたる100kの注釈付きRAGトレースの公開ベンチマークである。
  論文  参考訳（メタデータ） (2026-10-01T07:24:04Z)
• The Epistemics of Agent Memory: Measuring, and Governing, the Consolidation Decision in Long-Horizon LLM Agents [0.0]
  LLMエージェントは、蓄積した経験を耐久性のあるメモリに変換する必要がある。 フェーズ1は下流ユーティリティによってエージェントトレースからエピソード境界を学習する。 フェーズ2は、トークン予算の下で経験と抽象化のレベルを促進する方法を学ぶ。 フェーズ3では、3つの非円周軸上の既知の最適値に対する統合決定をスコアするオラクル・バイ・コンストラクション・ベンチマークが導入されている。
  論文  参考訳（メタデータ） (2026-09-26T23:10:45Z)
• Predict Before You Deploy: Offline Prediction of Quantization-Induced Task Degradation for World Action Models [2.347191837057308]
  トレーニング後の量子化はメモリを削減するが、ビット幅、グループ化、および量子化器の選択は大きな構成空間を定義する。 オフライン動作偏差から量子化によるタスク劣化を予測するためのポリシ校正フレームワークであるPreDEを提案する。 独立に調整された2つのポリシーに対する450のフランカ・リサーチ3の試験では、試験前に高分解能グループに割り当てられた全ての構成が著しく劣化した。
  論文  参考訳（メタデータ） (2026-09-16T21:25:37Z)
• MemToC: Benchmarking Memory-Tool Conflict Resolution in Large Language Models [49.47300047353726]
  MemToCは、実行時ツールによるポストツール-リターン仲裁のベンチマークである。 MemToCは、542の質制御された事実質問から構築された6,504回の評価エピソードで構成されている。 オープンウェイトな7-9Bモデルでは、ツールが強く支配的なクローズドブックの回答を返す。
  論文  参考訳（メタデータ） (2026-08-26T18:22:03Z)
• When Stale Constraints Go Unchecked: Budgeted Verification Failures in Inherited Agent Memory [0.0]
  証拠リンクは、継承された信条の裏にある証拠を保持しており、検証予算を持つエージェントは、検査するリンクを選択する必要がある。 我々は、決定制約を記述し、ソースレコードを削除したレコードに置き換えた統合記憶について研究する。 16の言語モデルは、落ち着いたように読む制約を再検証することはめったにない。 ひとたび制約が過小評価されると、77.3%、74.7%、74.7%のエピソードが一次実行、複製、保留領域で安定的な決定を下した。
  論文  参考訳（メタデータ） (2026-08-26T09:04:21Z)
• 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)
• TrustJudge: Inconsistencies of LLM-as-a-Judge and How to Alleviate Them [58.04324690859212]
  自動評価器(LLM-as-a-judge)としての大規模言語モデル(LLM)は、現在の評価フレームワークにおいて重大な矛盾を明らかにしている。 スコア比較不整合とペアワイズ・トランジティビティ不整合という2つの基本的不整合を同定する。 我々は2つの重要なイノベーションを通じてこれらの制限に対処する確率的フレームワークであるTrustJudgeを提案する。
  論文  参考訳（メタデータ） (2025-09-25T13:04:29Z)
• Delving into Probabilistic Uncertainty for Unsupervised Domain Adaptive Person Re-Identification [54.174146346387204]
  ドメイン適応型人物再識別のための確率的不確実性誘導プログレッシブラベル精錬(P$2$LR)という手法を提案する。 擬似ラベルの不確実性を測定し、ネットワークトレーニングを容易にする定量的基準を確立する。 本手法はDuke2Marketタスクではベースラインが6.5%,Market2MSMTタスクでは2.5%,最先端手法では2.5%を上回った。
  論文  参考訳（メタデータ） (2021-12-28T07:40:12Z)

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。