論文の概要: From Retrieval to Reconstruction: Constructing Evolvable Cognitive Memory for Long-Term Dialogue

• arxiv url: http://arxiv.org/abs/2610.11314v1
• Date: Thu, 08 Oct 2026 06:21:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.830015
• Title: From Retrieval to Reconstruction: Constructing Evolvable Cognitive Memory for Long-Term Dialogue
• Title（参考訳）: 検索から再構築へ:長期対話における進化可能な認知記憶の構築
• Abstract要約: PEC$2$F(Person-Event-Concept-Claim-Fact)グラフスキーマに基づく認知メモリアーキテクチャであるCogMemを紹介する。 クレームノードは主観的ステートメントのソースとターゲットを保持し、FactノードとEventノードはセマンティックとエピソードの知識を表す。 LoCoMoとLongMemEvalの実験は、特にマルチホップ、時間、知識更新タスクにおいて、強いパフォーマンスを示している。
• 参考スコア（独自算出の注目度）: 26.55659923054542
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models (LLMs) serving as long-term dialogue agents require memory systems that support reliable reasoning over extended interactions. However, existing Retrieval-Augmented Generation (RAG) frameworks typically treat memory as passive storage, making it difficult to distinguish source-attributed beliefs from unattributed event/fact records and to connect evidence dispersed across sessions. We introduce CogMem, a cognitive memory architecture based on the PEC$^2$F (Person-Event-Concept-Claim-Fact) graph schema. Dedicated Claim nodes preserve the source and target of subjective statements, while Fact and Event nodes represent semantic and episodic knowledge. Dialogue turns are incrementally converted into provenance-aware graph records, consolidated into higher-level facts, and reconciled into temporally scoped Claim views when the same source provides conflicting updates. For retrieval, a rule-based controller driven by LLM intent parsing composes four deterministic graph operators---anchoring, traversal, intersection, and evidence grounding---to reconstruct query-relevant context. Experiments on LoCoMo and LongMemEval show strong performance, especially on multi-hop, temporal, and knowledge-update tasks. Ablations and a semantic-collapse probe support complementary contributions from epistemic separation, consolidation, and agentic retrieval. Code: https://github.com/Silent-Rain02/CogMem.
• Abstract（参考訳）: 長期対話エージェントとして機能するLarge Language Models (LLM) は、拡張された対話よりも信頼性の高い推論をサポートするメモリシステムを必要とする。 しかし、既存のRetrieval-Augmented Generation (RAG)フレームワークは通常、メモリをパッシブストレージとして扱うため、ソースに依存しない信念とイベント/ファクトレコードを区別し、セッションにまたがる証拠を接続することは困難である。 本稿では,PEC$^2$F(Person-Event-Concept-Claim-Fact)グラフスキーマに基づく認知メモリアーキテクチャであるCogMemを紹介する。 Dedicated Claimノードは主観的ステートメントのソースとターゲットを保持し、FactノードとEventノードはセマンティックとエピソディクスの知識を表す。 ダイアログのターンは、段階的にプロファイランス対応グラフレコードに変換され、高レベルな事実に集約され、同じソースが矛盾する更新を提供する場合、時間的にスコープ化されたCrimビューに調整される。 LLMインテント解析によって駆動されるルールベースのコントローラは、4つの決定論的グラフ演算子を構成する。 LoCoMoとLongMemEvalの実験は、特にマルチホップ、時間、知識更新タスクにおいて、強いパフォーマンスを示している。 アブレーションとセマンティック・コラプス・プローブは、てんかん分離、統合、エージェント検索からの補完的な貢献をサポートする。 コード:https://github.com/Silent-Rain02/CogMem。

関連論文リスト

• Event-Centric Memory with Query-Aware Graph Augmentation for Long-Term Conversational Agents [51.804747364500344]
  本稿では,人間の記憶を動機とした新しいメモリ構築とアクティベーションフレームワークQGMemを提案する。 QGMemは、長い対話履歴を個々の体験を保存するイベントインデックス化された原子記憶ユニットに変換する。 検索,マルチホップエビデンス構成,コンフリクト解決,コンパクトな文脈による超長文対話推論において,一貫した利得を示す。
  論文  参考訳（メタデータ） (2026-10-08T13:17:59Z)
• CueMem: Cue-Guided Context Reconstruction for Long-Term Conversational Memory [38.76918926805768]
  CueMemは、抽出されたメモリレコードを検索キューとして扱うキュー誘導フレームワークである。 ソースターンからクエリ関連対話コンテキストを再構築する。 LoCoMoとLongMemEvalの実験によると、CueMemは長期的なメモリ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） (2026-09-11T02:27:22Z)
• MRMS: A Multi-Resolution Memory Substrate for Long-Lived AI Agents [2.808851478009314]
  長期的なAIエージェントは、相互作用の連続性を必要とする。 プロンプトウィンドウを拡張するだけで連続性を得ることはできない。 2つの軸に沿って構成されたアーキテクチャ記憶基板を提案する。
  論文  参考訳（メタデータ） (2026-07-06T02:54:37Z)
• Memory is Reconstructed, Not Retrieved: Graph Memory for LLM Agents [51.30250860677378]
  本稿では,連想記憶グラフとアクティブな再構成機構を組み合わせたフレームワークであるMRAgentを提案する。 Cue-Tag-Contentグラフ上で実行することで,メモリアクセスに直接推論を統合する。 LoCoMoベンチマークとLongMemEvalベンチマークの実験は、強いベースラインよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2026-06-04T11:29:46Z)
• AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents [49.63422082885992]
  長軸対話エージェントのための適応型ユーザ中心メモリフレームワークであるAdaMemを提案する。 AdaMemは対話履歴をワーキング、エピソディック、ペルソナ、グラフメモリに整理する。 LoCoMo と PERSONAMEM ベンチマーク上での AdaMem の評価を行った。
  論文  参考訳（メタデータ） (2026-03-17T13:22:54Z)
• 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)
• Memory Matters More: Event-Centric Memory as a Logic Map for Agent Searching and Reasoning [55.251697395358285]
  大規模言語モデル(LLM)は、環境を推論し、計画し、相互作用するインテリジェントエージェントとして、ますます多くデプロイされている。 長期のシナリオに効果的にスケールするには、そのようなエージェントの重要な機能は、過去の経験を保持し、整理し、取り出すことができるメモリメカニズムである。 イベント理論にインスパイアされたイベント中心のメモリフレームワークであるCompassMemを提案する。
  論文  参考訳（メタデータ） (2026-01-08T08:44:07Z)
• Semantic Anchoring in Agentic Memory: Leveraging Linguistic Structures for Persistent Conversational Context [0.0]
  本稿では,ベクトルベースストレージを明示的な言語的手がかりで強化し,ニュアンス付きコンテキスト豊富な交換のリコールを改善するハイブリッド型エージェントメモリアーキテクチャを提案する。 適応した長期対話データセットの実験では、意味的アンカーがRAGベースラインよりも最大18%、事実的リコールと談話のコヒーレンスを改善することが示されている。
  論文  参考訳（メタデータ） (2025-08-18T05:14:48Z)

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。