論文の概要: Pack Light, CarryOn: Building Object-Oriented Context for Long-Horizon Agents

• arxiv url: http://arxiv.org/abs/2610.18784v1
• Date: Tue, 13 Oct 2026 17:35:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.693508
• Title: Pack Light, CarryOn: Building Object-Oriented Context for Long-Horizon Agents
• Title（参考訳）: Pack Light, CarryOn: 長距離エージェントのためのオブジェクト指向コンテキストの構築
• Abstract要約: CarryOnは、再利用可能なタスクオブジェクトに関する継続を整理するオブジェクト指向のコンテキストランタイムである。 主な課題は、この再利用可能なベースを、その周辺履歴が削除された後に有効にしておくことである。 OSWorld 2.0とBrowseComp-Plusの実験では、それぞれ5.8%と7.0%の改善が見られ、トークン総使用量は51.9%、22.9%削減された。
• 参考スコア（独自算出の注目度）: 23.306600122347906
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-horizon agents accumulate progress in persistent task state, yet repeatedly process interaction histories describing how that progress was achieved. This raises a natural question: can long-horizon context instead be organized around reusable progress rather than the history that produced it? In this paper, we introduce CarryOn, an object-oriented context runtime that organizes continuation around reusable task objects. Rather than treating compressed histories or reconstructed accounts of progress as the primary basis for continuation, CarryOn builds a context view from continuation carriers, complementary execution context, and a live tail of recent interactions. A core challenge is keeping this reusable basis valid after its surrounding history is retired: how can CarryOn update the basis without reconstructing the full representation at every fold? CarryOn maintains carrier records across folds, revising affected records against bound evidence and applicable environment checks while carrying forward unaffected records and jointly updating execution context. Experiments on OSWorld 2.0 and BrowseComp-Plus show improved gains of 5.8% and 7.0% while reducing total token usage by 51.9% and 22.9%, respectively. Project page: https://ethannju.github.io/carryon
• Abstract（参考訳）: ロングホライゾンエージェントは、永続的なタスク状態において進捗を蓄積するが、その進展がどのように達成されたかを説明したプロセス間相互作用履歴を繰り返す。 ロングホライズンコンテキストは、それを生み出した歴史ではなく、再利用可能な進歩を中心に組織化できるのだろうか? 本稿では,再利用可能なタスクオブジェクトを取り巻く継続を整理するオブジェクト指向コンテキストランタイムであるCarryOnを紹介する。 CarryOnは、圧縮履歴や進捗の再構成を継続の基盤として扱う代わりに、継続キャリアからのコンテキストビュー、補完的な実行コンテキスト、最近のインタラクションのライブテールを構築している。 中心となる課題は、この再利用可能なベースを、周囲の履歴が削除された後に有効に保つことである。 CarryOnは、折りたためるキャリアレコードを維持し、影響のあるレコードをバウンドエビデンスと適用可能な環境チェックに対して修正し、影響のないレコードを転送し、実行コンテキストを共同で更新する。 OSWorld 2.0とBrowseComp-Plusの実験では、それぞれ5.8%と7.0%の改善が見られ、トークン総使用量は51.9%、22.9%削減された。 プロジェクトページ: https://ethannju.github.io/carryon

関連論文リスト

• SkillHorizon: Constructing Long-Horizon Agent Tasks through Skill Composition [52.51270668013944]
  ロングホライゾンエージェントは、後のアクティビティが以前の出力と共有状態の変更に依存するように完了しなければならない。 SkillHorizonは、7つのビジネス環境でのスキル構成を通じて長期タスクを構築するベンチマークである。 我々は,64Kから1Mトークンの参照インタラクションワークロードを用いた1,050タスクの5つの言語モデルを評価する。
  論文  参考訳（メタデータ） (2026-10-10T14:36:39Z)
• LexiconVLA: Learning Reusable Atomic Action Codebooks for Unseen Tasks [52.045695649147966]
  クロスタスク再利用のための検索可能な原子-作用レキシコンを提案する。 グローバルかつ詳細なコードブックは、共有インタラクション構造ときめ細かい実行のバリエーションをキャプチャする。 視覚-原子的行動アライメントは、視覚状態変化からの軌道再構成と、行動コードからの視覚的結果予測を結合する。
  論文  参考訳（メタデータ） (2026-09-29T05:45:52Z)
• Relevance Does Not Imply Applicability: Experience Activation for Personal GUI Agents [18.598585125808448]
  既存のアプローチはタスク関連履歴を取得し、ポリシーのコンテキストに追加する。 ExpActivatorは、現在の状況に適用可能なエクスペリエンスのみを活性化する、トレーニング不要のフレームワークである。
  論文  参考訳（メタデータ） (2026-09-27T07:15:57Z)
• StateComp: Learning When to Compress History in Long Horizon Agents [55.84813053778976]
  本研究では,現在エージェントの状態に応じて過去のインタラクションを安全に圧縮できるフレームワークであるState Conditioned Compression(StateComp)を提案する。 WorkBenchBuddyの実験では、StateCompはタスク性能を維持しながら総エージェントと要約トークンを52.27%削減し、表現抽出において12.67倍の高速化を実現している。
  論文  参考訳（メタデータ） (2026-09-23T03:34:08Z)
• Memory Control Signals Emerge Before Action in Long Horizon Agents [55.84813053778976]
  各エージェントアクションの直前に隠された状態を調べ、圧縮とリコールの要求がモデルの内部表現にすでにエンコードされていることを確認する。 本研究では,状態誘導圧縮と外部エビデンス検索を組み合わせたPreaction Memory with Evidence Retrieval (PaMER)を提案する。
  論文  参考訳（メタデータ） (2026-09-23T03:23:34Z)
• Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses [83.32611586724165]
  Recurisは、ロングホライゾンエージェントハーネスのためのExperiential-Working Memoryアーキテクチャである。 Work Memoryはタスクの進捗を追跡し、Experiential Memoryからスキル選択をガイドする。 4つのロングホライズンベンチマークと10のモデルでRecurisは37のモデルベンチマークペアのうち35のタスク成功を改善している。
  論文  参考訳（メタデータ） (2026-08-25T17:56:35Z)
• PAST-Bench: Benchmarking the Foundations of Recursive Self-Improvement in Personal Agents [50.9061759859778]
  PAST-Benchは、保持されたエクスペリエンスがエージェントを時間とともに実際に改善するかどうかを識別するために設計されたベンチマークである。 遅延タスクのゲインと、そのゲインが意図したセーブ、リトリーブ、更新パスに従うかどうかを報告します。 我々はHermes+を開発し、エージェントループの段階にわたって5つのターゲット的介入でHermesを拡張した。
  論文  参考訳（メタデータ） (2026-08-04T17:58:05Z)
• ChainVLA: Chaining Vision-Language-Action Queries through a Unified Execution State for Long-Horizon Manipulation [9.820724216368543]
  ChainVLAは、連続したクエリを共同実行状態にチェーンするポリシーである。 Progress Contextは、リカレントなWorking Stateとスパースなイベントメモリを組み合わせることで、観察から派生したタスクの進捗を実行する。 Motion Tailは、前回の予測が実行されない継続を状態構築と行動生成に供給する。
  論文  参考訳（メタデータ） (2026-08-03T14:48:20Z)
• From Agent Loops to Deterministic Graphs: Execution Lineage for Reproducible AI-Native Work [0.10312968200748114]
  本稿では,AIネイティブな作業が人工物生成計算の有向非巡回グラフ(DAG)として表現される実行モデルを提案する。 制御された2つのポリシーメモ更新タスクにおいて、ループ中心の更新ベースラインに対する実行行リプレイを比較した。
  論文  参考訳（メタデータ） (2026-05-07T14:39:37Z)

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。