論文の概要: DeltaReplay: Task-Relative Memory Reuse for Mobile GUI Agents
- arxiv url: http://arxiv.org/abs/2610.11707v1
- Date: Thu, 08 Oct 2026 11:12:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 11:59:33.755442
- Title: DeltaReplay: Task-Relative Memory Reuse for Mobile GUI Agents
- Title（参考訳）: DeltaReplay: モバイルGUIエージェントのタスク関連メモリ再利用
- Abstract要約: メモリ拡張されたモバイルGUIエージェントは、成功した実行軌跡を格納し、後続のタスクで再利用する。
しかし、保存された軌跡が新しいタスクと正確に一致することは滅多にない。
エージェントに無関係なメモリの使用を強制することは、それを誤解させる可能性があるが、それでも有用かもしれないメモリの破棄は、過去の経験から引き離すことになる。
本稿では,既存のメモリの使用方法を決定するステップレベルのメモリ再利用フレームワークであるDeltaReplayを提案する。
- 参考スコア（独自算出の注目度）: 36.5211241699004
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Memory-augmented mobile GUI agents store successful execution trajectories and reuse them in later tasks, but a stored trajectory rarely matches a new task exactly. The new task may use different parameters, share only some of its steps with a stored trajectory, or have no relevant record in memory. Forcing the agent to use irrelevant memory can mislead it, whereas discarding memory that may still be useful deprives it of guidance from past experience. To address this dilemma, we propose DeltaReplay, a step-level memory reuse framework that decides how to use existing memory without modifying it. We observe that the reusable part of a stored record is determined not by the record itself but by its relation to the new task, mainly through two factors: page-level consistency and action-level generality. We therefore store execution trajectories as paths in a transition graph, whose nodes (pages) and edges (actions between pages) capture these two factors. At reuse time, the action on each edge is split into a task-independent operation and task-specific parameters. DeltaReplay then compares each recorded step with the new task and the current screen, and decides whether to follow it, execute it after replacing its parameters, or leave it to the base agent. On AndroidWorld and SPA-Bench, DeltaReplay improves the task success rate over a base agent with the same backbone by up to 10.3 and 25.0 percentage points, respectively. These results indicate that deciding at each step how to use retrieved memory lets agents benefit even from partially matching trajectories.
- Abstract（参考訳）: メモリ拡張されたモバイルGUIエージェントは、成功した実行軌跡を格納し、後続のタスクで再利用するが、保存された軌跡が新しいタスクと正確に一致することは滅多にない。
新しいタスクは異なるパラメータを使用し、そのステップのいくつかだけを格納された軌道で共有するか、メモリに関連性のあるレコードを持たない。
エージェントに無関係なメモリの使用を強制することは、それを誤解させる可能性があるが、それでも有用かもしれないメモリの破棄は、過去の経験から引き離すことになる。
このジレンマに対処するために,既存のメモリの使用方法を決定するステップレベルのメモリ再利用フレームワークであるDeltaReplayを提案する。
保存されたレコードの再利用可能な部分は、レコード自身ではなく、ページレベルの一貫性とアクションレベルの汎用性という2つの要因を通じて、新しいタスクとの関係によって決定される。
したがって、実行軌跡を遷移グラフのパスとして保存し、ノード(ページ)とエッジ(ページ間のアクション)がこれら2つの要素をキャプチャする。
再利用時には、各エッジ上のアクションはタスクに依存しない操作とタスク固有のパラメータに分割される。
DeltaReplayは、記録された各ステップを新しいタスクと現在のスクリーンと比較し、それに従うか、パラメータを置き換えた後に実行するか、ベースエージェントに残すかを決定する。
AndroidWorldとSPA-Benchでは、DeltaReplayは、同じバックボーンを持つベースエージェントのタスク成功率を最大10.3ポイント、25.0ポイント改善している。
これらの結果は、各ステップで取得したメモリの使い方を決定することで、エージェントが部分的に一致するトラジェクトリの恩恵を受けることを示唆している。
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) - MemTrace: State-Consistent Memory for Long-Horizon Coding Agents [28.163943720725126]
本稿では,実行履歴を保存するメモリシステムMemTraceを紹介する。
MemTraceは履歴をキー情報に固定された不変メモリトレースとして保存する。
MemTraceは現在のリポジトリの状態に対する妥当性を確認し、次のアクションに必要なものだけを取得する。
論文 参考訳（メタデータ） (2026-10-04T00:45:37Z) - Memory as a Controlled Process: Learned Adaptive Memory Management for LLM Agents [72.3752981234916]
大きな言語モデル(LLM)エージェントは、タスク間の経験を蓄積するために、外部メモリシステムに依存している。
メモリ操作をマルコフ決定プロセスとしてモデル化するフレームワークである制御プロセス(MemCon)としてメモリを提示する。
MemConは、複数のメモリベースラインのタスク成功率を最大15.2ポイント上回り、トークン消費量を5-20%削減している。
論文 参考訳（メタデータ） (2026-07-15T08:32:40Z) - MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。
MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。
長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
論文 参考訳（メタデータ） (2026-07-14T15:33:44Z) - What Memory Do GUI Agents Really Need? From Passive Records to Active Task-Driving States [29.883598855446976]
モバイルGUIエージェントは、ページやアプリケーション間でのタスク関連データの読み込み、更新、再利用を必要とする長い水平タスクに直面している。
既存の方法は、メモリを主にパッシブストレージとして扱い、過去の観測が蓄積され、必要に応じて回収される。
本稿では,GUIエージェントメモリをパッシブストレージからアクティブに保守された実行状態に移行するアクティブタスク駆動メモリ(ATMem)を提案する。
論文 参考訳（メタデータ） (2026-06-30T13:01:19Z) - Mem-W: Latent Memory-Native GUI Agents [50.87647372904382]
本稿では,メモリをエージェントの連続的コンテキストの一部として扱う,潜在メモリネイティブなGUIエージェントであるMem-Wを紹介する。
4つのWebおよびモバイルナビゲーションベンチマークで、Mem-Wはさまざまなバックボーンとメモリ拡張ベースラインを一貫して改善している。
論文 参考訳（メタデータ） (2026-05-10T04:31:23Z) - MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks [55.145729491377374]
メモリを持つエージェントの既存の評価は、通常、単独で記憶と行動を評価する。
マルチセッションメモリ-エージェント環境ループにおけるエージェントメモリのベンチマークのための統合評価ジムであるMemoryArenaを紹介する。
MemoryArenaは、Webナビゲーション、優先制約付き計画、プログレッシブ情報検索、シーケンシャルなフォーマルな推論を含む評価をサポートする。
論文 参考訳（メタデータ） (2026-02-18T09:49:14Z)
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。