論文の概要: MemComposer: Learning to Assemble Memories for LLM Agents via Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2610.21091v1
- Date: Thu, 15 Oct 2026 01:47:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.131621
- Title: MemComposer: Learning to Assemble Memories for LLM Agents via Reinforcement Learning
- Title（参考訳）: MemComposer:強化学習によるLLMエージェントのための記憶の集合学習
- Abstract要約: エージェントメモリは、大きな言語モデル(LLM)エージェントがパラメータを更新することなく過去の経験を再利用できるようにする。
提案するメモリコンポーザは,現在のクエリを共同で検証し,どのエクスペリエンスを含めるか,どれを選択すべきか,どのように注文するかを決定するために候補を検索する。
GRPOベースのフレームワークであるExperience Policy Optimization(ExPO)を用いて、完全なエージェントインタラクションを通じてメモリコンテキストを評価し、タスクのフィードバックを使ってアセンブリポリシーを最適化する。
- 参考スコア（独自算出の注目度）: 24.607495948438686
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agent memory enables large language model (LLM) agents to reuse past experiences without updating their parameters. However, semantic similarity alone does not guarantee memory usefulness: downstream performance depends on how memories are selected and presented to the agent. We propose MemComposer, a memory composer that jointly examines the current query and retrieved candidates to decide which experiences to include, how many to select, and how to order them. We train the composer using Experience Policy Optimization (ExPO), a GRPO-based framework that evaluates assembled memory contexts through complete agent interactions and uses task-success feedback to optimize the assembly policy. Across three $τ^2$-bench domains with two frozen executors, MemComposer outperforms the strongest baseline for each executor while reducing average memory-token usage by 16.9% and 4.9%, respectively. The learned policy also transfers to unseen domains, executors, and memory banks, and benefits from memories generated by stronger models without further training. These results demonstrate the value of learning query-specific memory assembly using downstream task feedback.
- Abstract（参考訳）: エージェントメモリは、大きな言語モデル(LLM)エージェントがパラメータを更新することなく過去の経験を再利用できるようにする。
しかし、セマンティックな類似性だけではメモリの有用性は保証されていない。
提案するメモリコンポーザは,現在のクエリを共同で検証し,どのエクスペリエンスを含めるか,どれを選択すべきか,どのように注文するかを決定するために候補を検索する。
GRPOベースのフレームワークであるExperience Policy Optimization(ExPO)を用いて、完全なエージェントインタラクションを通じてメモリコンテキストを評価し、タスクのフィードバックを使ってアセンブリポリシーを最適化する。
冷凍エグゼキュータが2つある3つの$τ^2$-benchドメインの中で、MemComposerはそれぞれのエグゼキュータで最強のベースラインを上回り、平均メモリ使用率を16.9%と4.9%に下げている。
学習されたポリシーは、目に見えないドメインやエグゼキュータ、メモリバンクにも移行し、さらにトレーニングすることなくより強力なモデルによって生成された記憶の恩恵を受ける。
これらの結果は、下流のタスクフィードバックを用いてクエリ固有のメモリアセンブリを学習することの価値を示す。
関連論文リスト
- UpliftMem: Learning Set-Level Uplift for Agent Memory Retrieval [6.8528335287164035]
大きな言語モデル(LLM)エージェントは、外部メモリを再利用して新しいタスクを誘導するが、効果的な検索には、どのメモリセットが実行を改善するかを学ぶ必要がある。
我々はtextscUpliftMemを導入し、これはメモリなしで同じ実行者に対して設定レベルのアップリフトからメモリの検索を学習する。
論文 参考訳（メタデータ） (2026-09-29T06:17:15Z) - 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) - MemToolAgent: Leveraging Memory for Tool Using Agents Based on Environment and User Feedback [5.237822504687579]
本稿では,メモリ管理によるツール使用を改善するフレームワークであるMemToolAgentを提案する。
本研究は,(1)汎用・パーソナライズされたツールの使用を微調整なしで改善する統一型メモリエントリフォーマット,(2)環境やユーザからのフィードバックを取り入れたリフレクションベースのメモリ抽出,(3)メモリ類似度分布に基づく過去の経験数を選択する検索モジュールの3つの主要なコントリビューションを有する。
論文 参考訳（メタデータ） (2026-06-06T00:15:00Z) - Learning to Retrieve: Dual-Level Long-Term Memory for Text-to-SQL Agents [63.38073530162493]
長期記憶は、エージェントが過去の経験を再利用するのに役立つ。
静的メソッドは、下流ユーティリティを最適化しない固定された類似性に依存します。
動的マルチ水平メモリ検索フレームワークであるMERITを提案する。
論文 参考訳（メタデータ） (2026-05-30T05:44:34Z) - Mem-$π$: Adaptive Memory through Learning When and What to Generate [65.31077328444077]
本稿では,大規模言語モデル(LLM)エージェントにおける適応メモリのためのフレームワークを提案する。
Mem-$は検索ベースとRL最適化メモリベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-05-20T17:51:05Z) - MemGym: a Long-Horizon Memory Environment for LLM Agents [69.79226770543049]
本稿では,エージェントメモリのベンチマークであるMemGymを紹介する。
MemGymは、メモリパフォーマンスを推論、検索、ツール使用能力から切り離すメモリアイソレーションスコアを報告している。
MEMGYM-CODEQAとMEMGYM-DRの合成パイプラインは、長さ制御可能であり、各ステージでアブレーションを検証可能であり、下流のシナリオと密に整合している。
論文 参考訳（メタデータ） (2026-05-20T07:25:33Z) - MemRerank: Preference Memory for Personalized Product Reranking [14.982376048234386]
本稿では,ユーザの購入履歴を簡潔でクエリ非依存な信号に抽出し,パーソナライズされた製品再品位を実現するための選好記憶フレームワークであるMemRerankを提案する。
2つのLCMベースのリランカによる実験では、MemRerankは、無メモリ、生の履歴、および既製のメモリベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-03-31T04:16:18Z) - 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) - RMM: Reinforced Memory Management for Class-Incremental Learning [102.20140790771265]
クラスインクリメンタルラーニング(CIL)は、厳格な記憶予算の下で分類器を訓練する。
既存のメソッドは静的およびアドホックな戦略を使ってメモリ割り当てを行うが、これはしばしば準最適である。
本稿では,段階的な段階と異なるオブジェクトクラスに最適化された動的メモリ管理戦略を提案する。
論文 参考訳（メタデータ） (2023-01-14T00:07:47Z)
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。