論文の概要: How Should a Camera-First AI Agent Work?

• arxiv url: http://arxiv.org/abs/2610.14772v2
• Date: Wed, 14 Oct 2026 05:10:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.102504
• Title: How Should a Camera-First AI Agent Work?
• Title（参考訳）: カメラファーストのAIエージェントはどのように働くべきか?
• Abstract要約: 我々は、将来のカメラファーストエージェントの障害は認識能力ではなく時間であると主張している。 我々はこれをEphemeral-Target Interaction (ETI) とPerceptual Deadline Contractとして定式化する。 本稿では,常時オン,有界,非セマンティックな高速経路とアクティブな記憶機構という2次元アーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 39.170836363248604
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Camera-first agents must act on the visual world as it unfolds. We argue that the central obstacle for future camera-first agents is not recognition ability - multimodal models (vision-language and live/streaming alike) generalize well through language and remain the right tool for semantic reasoning - but time. Many visual targets are ephemeral: they appear, are query-relevant, and leave within a short window. Binding memory to the same end-to-end path as reasoning means that by the time a monolithic pipeline completes, the evidence is gone. We formalize this as Ephemeral-Target Interaction (ETI) and a Perceptual Deadline Contract separating a hard memory deadline from a soft reasoning deadline, grounded in the bounded, passive nature of sensory and working memory. We propose a two-deadline architecture: an always-on, bounded, non-semantic fast path; an active remembering mechanism that commits a moment to durable memory before it is overwritten (event-driven in v1); and a deferred deliberation layer (multimodal model + tools). We instantiate the contract on real MOT17 track windows, a consistency check, and calibrate the single-path baseline from measured frontier-model latency: even a short answer takes 1.2-9.3 s, and an agentic identify-and-search longer. Answers can be late; evidence cannot be missed.
• Abstract（参考訳）: カメラファーストのエージェントは、広がるにつれて視覚の世界で行動しなければならない。 将来のカメラファーストエージェントの障害は認識能力ではなく、マルチモーダルモデル(ビジョン言語やライブ/ストリーミングなど)が言語を通してうまく一般化し、セマンティック推論に適したツールであり続ける、と我々は主張する。 多くの視覚的ターゲットは短命的であり、出現し、クエリ関連であり、短いウィンドウ内に留まる。 推論と同じエンドツーエンドのパスにメモリをバインドすることは、モノリシックパイプラインが完成する頃には、エビデンスがなくなることを意味する。 我々はこれをEphemeral-Target Interaction (ETI) と Perceptual Deadline Contract として定式化し、ハードメモリの期限をソフトな推論期限から切り離す。 本稿では, 常時オン, 有界, 非セマンティックな高速パス, 上書きされる前にメモリの持続時間にコミットするアクティブメモリ機構 (v1ではイベント駆動) , 遅延デリバレーション層 (マルチモーダルモデル+ツール) という2次元アーキテクチャを提案する。 実際のMOT17トラックウィンドウ上の契約をインスタンス化し、一貫性チェックを行い、測定されたフロンティアモデルレイテンシから単一パスベースラインをキャリブレーションする。 答えは遅れる可能性があり、証拠は見逃せない。

関連論文リスト

• Whose Memory Is It? Scope-Aware Commit Rules for Long-Term LLM Memory [0.7734726150561088]
  永続記憶により、エージェントは会話を通して経験を持てるが、ローカルな推論ミスを耐久性のあるものに変える。 我々は,この信号を保存するコミットルールであるCASKを導入し,共有世界の事実が耐久性のあるメモリに入るようにした。 制御された長い会話の競合やツールエージェントのトレースは、この設計がメモリの挿入を改善し、後続の回答を一時的に汚染しないようにしていることを示している。
  論文  参考訳（メタデータ） (2026-10-06T19:05:31Z)
• The Empire, Long Divided, Must Unite: Architectural Convergence in Three LLM Agent Harnesses [0.0]
  本稿では、意図的に反対する哲学から構築された3つのオープンコーディングエージェントハーネスについて、ソースレベルのマルチケーススタディを提案する。 2つの成熟したハーネスは反対方向に移動したが、5つの繰り返し要素の1つのアーキテクチャの中間形態に向かって収束していることがわかった。 第3のハーネスはその後、ホールドアウトチェックとして読み上げられ、全5つを示し、1つのシームは別の実装をそのまま再利用する。
  論文  参考訳（メタデータ） (2026-08-25T01:26:41Z)
• ViSAGE: Constructing Self-Correcting Memories for Long-Form Video Understanding [11.461394531496397]
  ViSAGEは、自己修正、エンティティ中心のメモリを構築するマルチモーダルなエージェントメモリフレームワークである。 これは、遅延したアイデンティティの証拠を伝播させ、過去の記録を遡って統一し、将来の推論を改善するために、双方向のメモリリファインメントを適用している。 その結果、ViSAGEは最強のベースラインを一貫して上回り、精度は5.9%向上した。
  論文  参考訳（メタデータ） (2026-07-29T10:25:23Z)
• MIRAGE: Mobile Agents with Implicit Reasoning and Generative World Models [53.09772037247959]
  可視テキスト推論トレースから連続潜時推論表現を学習するフレームワークであるMIRAGEを紹介する。 AndroidWorldでは、MIRAGEは4Bアブレーションで監督された微調整を3～5倍の低い復号化予算と一致している。 AndroidControlでは、75%以上のトークンを生成しながらアクショングラウンドを改善する。
  論文  参考訳（メタデータ） (2026-06-03T09:01:24Z)
• 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)
• MemEye: A Visual-Centric Evaluation Framework for Multimodal Agent Memory [80.97855900579512]
  既存の評価では、エージェントが後続の推論に必要な視覚的証拠を保存するかどうかを検査することはめったにない。 メモリ性能を2次元から評価するフレームワークであるMemEyeを紹介する。 本フレームワークでは,8つのライフシナリオタスクにまたがる新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-05-14T17:37:52Z)
• 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)
• Stateless Yet Not Forgetful: Implicit Memory as a Hidden Channel in LLMs [13.390425803544785]
  暗黙の記憶を導入し、モデルが他の独立した相互作用をまたいで状態を運ぶ能力を導入します。 デモとして、時間爆弾と呼ばれる新しい時間的バックドアを紹介します。 我々は,隠蔽型エージェント間通信,ベンチマーク汚染,ターゲット操作,トレーニングデータ中毒など,暗黙記憶の幅広い意味を分析した。
  論文  参考訳（メタデータ） (2026-02-09T12:01:32Z)

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。