Fugu-MT 論文翻訳(概要): Beyond Retrieval: Evidence Access and Event Aggregation in Agent Memory

論文の概要: Beyond Retrieval: Evidence Access and Event Aggregation in Agent Memory

arxiv url: http://arxiv.org/abs/2610.19474v1
Date: Wed, 14 Oct 2026 02:53:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-15 21:06:15.926053
Title: Beyond Retrieval: Evidence Access and Event Aggregation in Agent Memory
Title（参考訳）: 検索を超えて - エージェントメモリにおけるエビデンスアクセスとイベント集約
Abstract要約: Trajectory Memory (TM) は元のトラジェクトリを保持し、質問時にソースに適応可能な読み込みビューを構築する。 TallyMemはQwen3-32Bを35.2%から49.0%に引き上げ、TMよりも13.8ポイント上昇した。イベントセットを生のログから独立して解析した制御プローブは、ルーティングなしで82.8%から93.8%までの11.0ポイントのゲインを示している。
参考スコア（独自算出の注目度）: 21.13521021987833
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Questions about an agent's history often require aggregating events, which retrieval alone does not resolve. We combine source-preserving evidence access with executable aggregation. Trajectory Memory (TM) retains the original trajectory and constructs a source-addressable reading view at question time. TallyMem augments it with a reusable event ledger, model-generated event specifications and deterministic execution. With a commit-specific adaptation on 776 questions from 99 held-out MINTEval repositories, TallyMem raises Qwen3-32B exact match from 35.2% to 49.0%, a 13.8-point gain over TM; gains span 12.8-13.9 points across three readers. A controlled probe with event sets parsed independently from raw logs shows an 11.0-point gain, from 82.8% to 93.8%, without routing. On full AMA-Bench, the routed system yields a smaller 1.3-point gain, from 69.8% to 71.1%. These results support executable aggregation on tasks that require combining events, with benefits dependent on the task and event specification, the largest residual system-error category in our diagnostic analysis.
Abstract（参考訳）: エージェントの歴史に関する質問は、しばしば集約イベントを必要とするが、検索だけでは解決しない。ソース保存エビデンスアクセスと実行可能アグリゲーションを組み合わせる。 Trajectory Memory (TM) は元のトラジェクトリを保持し、質問時にソースに適応可能な読み込みビューを構築する。 TallyMemは、再利用可能なイベント台帳、モデル生成イベント仕様、決定論的実行で拡張する。 TallyMemは99のMINTEvalリポジトリから76の質問にコミット特化して、Qwen3-32Bの正確なマッチを35.2%から49.0%に引き上げ、TMを13.8ポイント上回った。イベントセットを生のログから独立して解析した制御プローブは、ルーティングなしで82.8%から93.8%までの11.0ポイントのゲインを示している。完全なAMA-Benchでは、1.3ポイントの利得が69.8%から71.1%に減少する。これらの結果は、タスクとイベント仕様に依存したイベントの組み合わせを必要とするタスクに対する実行可能アグリゲーションをサポートし、診断分析において最大の残留システムエラーカテゴリである。

関連論文リスト

Revision-Aware Independent Agent Graphs for Dynamic Reasoning [2.975383238535746]
イベントストリームがタスクバインディングを更新し、システムはそれを解決する前に各クエリ時に有効なドキュメントバージョンを選択する必要がある。本稿では,タスク推論から決定論的時間分解を分離する多エージェントポリシーであるRevision-Aware Independent Agent Graph (RIAG)を紹介する。
論文参考訳（メタデータ） (2026-10-01T07:43:33Z)
TraceDance: An Automated System for Building Agent Behavior Benchmarks from Real-World Agent Deployment Traces [49.561879967469714]
TraceDanceは、ユーザが指定した望ましくない振る舞いのデプロイメントトレースからターゲットベンチマークを構築するエージェントシステムである。効率的な構築のために、Anchor-and-Confirmはプログラム可能な検索と、Flash大言語モデルによる候補レベルの確認を組み合わせる。コーディングと一般的なツールの実験では、252,557のセッションで描画され、ビルドターゲット要求の95.3%を満たす4,125のインスタンスで107のベンチマークを生成する。
論文参考訳（メタデータ） (2026-09-27T06:58:39Z)
When Successful Memories Mislead Embodied Agents:Memory Adaption For Task-Conditioned Execution [21.40036807201119]
タスク記述実行(MATE)のためのメモリ適応方式を提案する。 MATEは、トラジェクトリを実行指向メモリに変換する決定論的後検索プロシージャである。 134のALFWorldタスクでは、MATEタスクの成功率は81.3%と93.3%であり、Qwen2.5-14Bと72Bは、生の軌道で必要とされるトークンの約10分の1を使用している。
論文参考訳（メタデータ） (2026-09-20T03:12:49Z)
Disagree to Explore, Agree to Commit: Routing-Guided Test-Time Scaling for Software Agents [60.650808962786364]
外部判断や選択時間テストの実行なしに,ネイティブなMoEルータトレースがステアリングと選択をガイドできるかどうかを検討する。我々の分析は、ルーティングが堅牢な行動的役割シグナルを提供することを示している。トークン・グラニュラ・リードアウトと決定整合比較セットは、ルーティングを効果的に制御する。オープンウェイトスパースMOEエージェントを用いたSWEベンチ検証を行い,評価を行った。
論文参考訳（メタデータ） (2026-08-23T03:07:03Z)
Beyond Retrieval: Query-Conditioned Reuse of Long-Horizon Agent Trajectories [16.13133177152883]
Retrievalは、重要かもしれない過去の軌跡を特定することができるが、ユーザー、エンティティ、制約、環境状態が変わった後、エージェントがその軌跡をどのように使うべきかは明記していない。我々は,この再検索後の再利用ステップを,長期記憶のボトルネックとして認識する。クエリ条件の再利用(QCR)によってフレームワークをインスタンス化する。
論文参考訳（メタデータ） (2026-08-13T05:39:49Z)
Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文参考訳（メタデータ） (2026-06-29T06:39:03Z)
APEX-EM: Non-Parametric Online Learning for Autonomous Agents via Structured Procedural-Episodic Experience Replay [7.370176470430802]
LLMベースの自律エージェントは、永続的な手続き記憶を欠いている。我々は,構造化手続き計画の蓄積,検索,再利用を行う非パラメトリックオンライン学習フレームワークであるAPEX-EMを提案する。
論文参考訳（メタデータ） (2026-03-31T00:24:56Z)
Knowledge Access Beats Model Size: Memory Augmented Routing for Persistent AI Agents [9.457255218406333]
プロダクションAIエージェントは、非常に反復的なユーザ固有のクエリを頻繁に受信する。この冗長性は会話記憶によって利用でき、コスト負担から効率上の利点へと繰り返し変換される。
論文参考訳（メタデータ） (2026-03-24T09:55:11Z)
MemSearcher: Training LLMs to Reason, Search and Manage Memory via End-to-End Reinforcement Learning [73.27233666920618]
本稿では,メモリを反復的に保持し,現在のターンと組み合わせたエージェントワークフローであるMemSearcherを提案する。それぞれのターンで、MemSearcherはユーザーの質問をメモリに融合させ、推論トレースを生成し、検索アクションを実行し、メモリを更新してタスクの解決に必要な情報のみを保持する。我々は,MemSearcher Agents の推論,検索戦略,メモリ管理を協調的に最適化する,エンドツーエンドの RL フレームワークである Multi-context GRPO を紹介する。
論文参考訳（メタデータ） (2025-11-04T18:27:39Z)
Localizing Task Information for Improved Model Merging and Compression [61.16012721460561]
我々は,各タスクの重み付けが重なり合わないことが多いため,各タスクがマージされた後も,各タスクの解決に必要な情報が保存されていることを示す。本稿では,そのような重みを排除し,既存のモデルマージ手法の一般的な性能を改善するアルゴリズムであるConsensus Mergingを提案する。
論文参考訳（メタデータ） (2024-05-13T14:54:37Z)
Document-Level Event Argument Extraction by Conditional Generation [75.73327502536938]
イベント抽出は、長い間IEコミュニティで文レベルのタスクとして扱われてきた。タスクを条件生成型イベントテンプレートとして定式化することで,ドキュメントレベルのニューラルイベント引数抽出モデルを提案する。また、新しいドキュメントレベルのイベント抽出ベンチマークデータセットWikiEventsもコンパイルします。
論文参考訳（メタデータ） (2021-04-13T03:36:38Z)

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。