論文の概要: Memory Echo in Single-Agent Long-Term Memory: Lifecycle Evaluation and Provenance-Guided Mitigation

• arxiv url: http://arxiv.org/abs/2610.17763v1
• Date: Tue, 13 Oct 2026 05:44:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.530582
• Title: Memory Echo in Single-Agent Long-Term Memory: Lifecycle Evaluation and Provenance-Guided Mitigation
• Title（参考訳）: 長期記憶における記憶エコー : ライフサイクル評価と予測誘導緩和
• Abstract要約: 繰り返し検索と書き込みバックは、ある歴史的クレームが複数の検索位置を占め、独立した証拠のない現在の回答に影響を与える可能性がある。 既存の作業では、検索、更新、質問応答を調べ、同じソースレコードの蓄積と修正後の永続化を過小評価している。 Family-Provenance--Authorityフレームワークは、権威的な証拠で最終回答を制約する。 その結果、エージェントメモリは、過去の情報を繰り返して現在の決定を下すことなく、トレース可能な履歴を保存できることが示唆された。
• 参考スコア（独自算出の注目度）: 21.115286716539707
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-term memory supports agents across sessions. Repeated retrieval and write-back can let one historical claim occupy multiple retrieval positions and influence current answers without independent evidence. Existing work examines retrieval, updating, and question answering, leaving same-source record accumulation and post-correction persistence underexplored. Motivated by research in social cognition and memory psychology on repeated exposure, retrieval, and revision, we define \emph{Memory Echo} as the excess retrieval exposure gained by historical information from the same source without additional independent evidence, and introduce MEchoBench to evaluate its emergence, correction resistance, persistence, and effect on answers. To address this phenomenon, we introduce the Family--Provenance--Authority framework (FPA). Specifically, FPA selects one representative per source family, conditions the eligibility of old records for the answer context on verified corrections, and constrains final answers with authoritative evidence. In paired replay on 190 fixed questions across four memory frameworks, FPA raises accuracy from 0.825 to 0.920 with DeepSeek V4 Flash and from 0.782 to 0.916 with Kimi K2.6; mean Decision Contamination Effect falls from 0.106 to 0.030 and from 0.109 to 0.038, respectively. These results show that agent memory can preserve traceable history without allowing repeated historical information to govern current decisions. The code is available at https://github.com/OrcasSam/memory-echo-benchmark.
• Abstract（参考訳）: 長期記憶はセッション間でエージェントをサポートする。 繰り返し検索と書き込みバックは、ある歴史的クレームが複数の検索位置を占め、独立した証拠のない現在の回答に影響を与える可能性がある。 既存の作業では、検索、更新、質問応答を調べ、同じソースレコードの蓄積と修正後の永続化を過小評価している。 社会的認知・記憶心理学における反復露光・検索・リビジョンの研究により、同一情報源から得られた履歴情報による過剰な検索露光として「emph{Memory Echo}」を定義し、MechoBenchを導入し、その出現、修正抵抗、持続性、回答への影響を評価した。 この現象に対処するため、FPA(Family-Provenance--Authority framework)を導入する。 具体的には、FPAは、ソースファミリーごとに1つの代表を選定し、検証された修正に対して応答コンテキストに関する古いレコードの適格性を条件化し、最終的な回答を権威的な証拠で制限する。 4つのメモリフレームワークにまたがる190の固定された質問に対するペアリプレイでは、FPAはDeepSeek V4 Flashで0.825から0.920へ、Kim K2.6で0.782から0.916へ、それぞれ0.106から0.030から0.109から0.038に減少する。 これらの結果から, エージェントメモリは, 履歴情報を繰り返すことなく, 追跡可能な履歴を保存できることが示唆された。 コードはhttps://github.com/OrcasSam/Memory-echo-benchmarkで公開されている。

関連論文リスト

• The Right Memory in the Wrong Context: Verifying Retrieval Admissibility in Long-Term Agent Memory [5.138725534209034]
  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。
  論文  参考訳（メタデータ） (2026-10-05T19:47:43Z)
• PACMI: Provenance-Aware Cascading Memory Invalidation for Long-Term LLM Agents [22.004895431694806]
  LLMエージェントは、長い地平線上でタスクを実行する際に、情報の保持と再利用を長期記憶に依存している。 既存の方法は、新しい観察やドメインの証拠が到着するにつれて時代遅れになる記憶を扱うための限られたサポートを提供する。 Provenance-Aware Cascading Memory Invalidation (PACMI) を提案する。
  論文  参考訳（メタデータ） (2026-10-05T03:31:51Z)
• Learning What to Recall: Adaptive Multi-Cue Episodic Memory for World Models [82.99807299727796]
  本稿では,将来認識型予測監視からエピソードリコールを学習するフレームワークであるFuture-Aware Recall (FAR)を提案する。 FARは、リコールされたコンテキストの条件付きログ類似度による予測ユーティリティを計測する。 キュー固有の関連性を学び、時間、ポーズ、ビジョン、オーディオなどの利用可能な検索キューを自動的に決定し、クエリ毎に信頼する。
  論文  参考訳（メタデータ） (2026-09-28T09:07:39Z)
• TEPA: Revoking Stale Memories for Conflict-Robust Language Agents [15.829191594065888]
  本稿では, 有効性をメモリの明示的な状態とする, 無効なエビデンスメモリ機構である TEPA を紹介する。 50種以上の制御されたドリフトでは、追加のみのメモリと最後の書き込み-ウィンスのメモリは、完全な逆転の間、メモリ以下に低下した。 クリーンなMemoryAgentBench SH-6kでは、TEPAは強力なラストライト-ウィンスキャッシュにマッチし、現在のキー置換がシングルホップファクト統合の決定的な操作であることを確認した。
  論文  参考訳（メタデータ） (2026-08-07T17:16:33Z)
• 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)
• MEMPROBE: Probing Long-Term Agent Memory via Hidden User-State Recovery [58.64329475683699]
  我々は、長期記憶は監査可能な相互作用後のアーティファクトとして評価されるべきであると主張している。 我々は、メモリを備えたエージェントがシミュレーションユーザを支援するベンチマークであるMEMPROBEで、このビューをインスタンス化する。 私たちは、成功したアシストと回復可能なメモリが、異なる機能として振る舞うことに気付きました。
  論文  参考訳（メタデータ） (2026-06-23T13:52:46Z)
• Eywa: Provenance-Grounded Long-Term Memory for AI Agents [0.0]
  既存のメモリシステムは、情報源の証拠、抽出された事実、検索されたコンテキスト、そして応答ポリシーを1つの不透明なプロンプトパスに分解する。 私たちはEywaを紹介します。Eywaは、信念以前の証拠を中心に構築された、証明済みのメモリアーキテクチャです。
  論文  参考訳（メタデータ） (2026-05-29T02:56:35Z)
• 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)
• Evoking User Memory: Personalizing LLM via Recollection-Familiarity Adaptive Retrieval [59.295767860331004]
  RF-Memは、親しみやすい不確実性誘導デュアルパスメモリレトリバーである。 それは、人間のようなデュアルプロセス認識をレトリバーに埋め込む。 一定の予算とレイテンシの制約の下で、ワンショット検索とフルコンテキスト推論を一貫して上回る。
  論文  参考訳（メタデータ） (2026-03-10T06:31:44Z)

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。