論文の概要: MemScope: Evolving Agent Memory Architectures through Localized Code Repair

• arxiv url: http://arxiv.org/abs/2610.21170v1
• Date: Thu, 15 Oct 2026 03:27:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.160018
• Title: MemScope: Evolving Agent Memory Architectures through Localized Code Repair
• Title（参考訳）: MemScope: ローカライズドコード修復によるエージェントメモリアーキテクチャの進化
• Abstract要約: 既存のメモリアーキテクチャのエビデンスを基盤とした局所的進化のためのフレームワークであるMemScopeを提案する。 GAIAでは、トレース・アンド・メモリ検査の変種が86.67%の精度を達成している。 アーカイブされたアーキテクチャとスナップショットの移行全体では、コード変更の中央値は4.4%である。
• 参考スコア（独自算出の注目度）: 37.062811584764425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agent memory architectures define how LLM agents store and reuse experience across tasks, but they are typically fixed after deployment, limiting their adaptability across task types. Recent self-evolving approaches instead adapt these memory architectures using execution feedback, typically represented as evaluation scores or compressed summaries. However, such coarse-grained feedback is insufficient for precise failure localization in current agent systems, where long-horizon task execution involves multiple interacting components. Without a precise failure location, existing approaches lack a clear code-level target for modification, leaving the update scope weakly constrained and often leading to large-scale rewrites of an otherwise capable memory architecture. We propose MemScope, a framework for evidence-grounded, localized evolution of an existing memory architecture. Its tool-using Patch Agent jointly inspects raw execution traces, runtime memory state, and current architecture code to identify repair targets and apply bounded, in-place edits under provider-identity and memory-compatibility constraints. On GAIA, the trace-and-memory inspection variant achieves 86.67% accuracy, compared with 70.00% for trace-only and 63.33% for summary-only feedback. Under xBench tasks, the evolved memory architecture improves over its original version from 49 to 55 correct answers with DeepSeek V3.2 and from 50 to 53 with Kimi K2.7 Code. On disjoint ALFWorld unseen tasks, success rises from 50.75% to 71.64%. Across archived architecture-snapshot transitions, the median code-change ratio is 4.4%. These results support fine-grained execution evidence as a basis for localized, in-place memory-architecture evolution.
• Abstract（参考訳）: エージェントメモリアーキテクチャは、LLMエージェントがタスク間で体験を保存し再利用する方法を定義するが、通常はデプロイ後に修正され、タスクタイプ間での適応性が制限される。 近年の自己進化的アプローチは、一般的に評価スコアや圧縮要約として表される実行フィードバックを用いて、これらのメモリアーキテクチャを適応させる。 しかし、このような粗いフィードバックは、複数の相互作用するコンポーネントを含む長時間タスク実行がある現在のエージェントシステムにおいて、正確な障害ローカライズには不十分である。 正確な障害位置がなければ、既存のアプローチには修正のための明確なコードレベルのターゲットがなく、更新範囲は弱く制約され、多くの場合、他の能力のあるメモリアーキテクチャの大規模な書き直しにつながります。 既存のメモリアーキテクチャのエビデンスを基盤とした局所的進化のためのフレームワークであるMemScopeを提案する。 ツールを使用するPatch Agentは、生の実行トレース、ランタイムメモリ状態、現在のアーキテクチャコードを共同で検査して、修復ターゲットを特定し、プロバイダのアイデンティティとメモリ互換性の制約の下で、バウンダリされたインプレース編集を適用する。 GAIAでは、トレースオンリーの70.00%、サマリオンリーの63.33%に対して、トレースアンドメモリ検査の86.67%の精度が達成されている。 xBenchタスクでは、進化したメモリアーキテクチャがオリジナルのバージョンを49から55に改善し、DeepSeek V3.2では50から53に、Kim K2.7 Codeでは50から53に改善した。 解離したALFWorldでは、成功率は50.75%から71.64%に上昇した。 アーカイブされたアーキテクチャとスナップショットの移行全体では、コード変更の中央値は4.4%である。 これらの結果は、局所的、インプレースメモリアーキテクチャ進化の基礎として、きめ細かい実行証拠を支持する。

関連論文リスト

• VibeMemBench: Evaluating Memory Systems for Coding Agents on Real Repository Coding Tasks [74.71365175490853]
  我々は90のSWE-rebench V2レポジトリから111のコーディングターゲットのメモリシステムを評価するベンチマークであるVibeMemBenchを紹介する。 ターゲットはSWEベンチマークスタイルに従い、バグ修正、機能要求、インターフェースの変更、設定作業をカバーする。 ダイレクトインジェクションは、4つのタスクの解像度を1.1から4.5ポイント引き上げ、エージェントステップを5つに下げる。しかし、4つの既存のメモリシステムが同じ履歴から経験を構築・取得しなければならない場合、12のソルバのうち11のシステムペアリングは一致したメモリオフベースラインを超えない。
  論文  参考訳（メタデータ） (2026-09-20T11:44:03Z)
• 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)
• AutoMem: A Text-Gradient Recursive Self-Improvement Framework for Automated Memory Architectures Search [31.37888741817974]
  textscAutoMemはタスク適応型メモリアーキテクチャ検索のためのテキスト段階の自己改善フレームワークである。 textscAutoMemは、人間が設計した最強のメモリベースラインを上回るタスク適応型メモリアーキテクチャを一貫して発見する。
  論文  参考訳（メタデータ） (2026-07-14T06:41:48Z)
• EvolveMem:Self-Evolving Memory Architecture via AutoResearch for LLM Agents [80.59925936278162]
  本稿では,自己進化型メモリアーキテクチャであるEvolveMemについて述べる。 このクローズループの自己進化はAutoResearchプロセスを実現している。システムは自力で独自のアーキテクチャ上で反復的な研究サイクルを実行し、手動構成のチューニングを置き換える。
  論文  参考訳（メタデータ） (2026-05-13T17:12:44Z)
• LongMemEval-V2: Evaluating Long-Term Agent Memory Toward Experienced Colleagues [80.29362825271768]
  LongMemEval-V2は、メモリシステムが、カスタマイズされた環境で知識のある同僚になるために必要な経験を得るのに役立つかどうかを評価するためのベンチマークである。 LME-V2には、Webエージェントの5つのコアメモリ能力をカバーする451の質問が含まれている。 AgentRunbook-Rは生の状態観察,イベント,戦略ノートのための知識プールを備えた,効率的なRAGベースのメモリであり,AgentRunbook-Cはトラジェクトリをファイルとして格納し,コードエージェントを起動して,拡張サンドボックスに証拠を収集する。
  論文  参考訳（メタデータ） (2026-05-12T17:59:34Z)
• Memory Transfer Learning: How Memories are Transferred Across Domains in Coding Agents [56.078070829341534]
  メモリベースの自己進化は、コーディングエージェントにとって有望なパラダイムとして登場した。 ヘテロジニアスドメインからの統一メモリプールを利用して、textbfMemory Transfer Learning (MTL) について検討する。
  論文  参考訳（メタデータ） (2026-04-15T15:50:29Z)
• Graph-Native Cognitive Memory for AI Agents: Formal Belief Revision Semantics for Versioned Memory Architectures [0.6091702876917279]
  Kumihoは、形式的信念修正セマンティクスに基づくグラフネイティブな認知記憶アーキテクチャである。 アーキテクチャは、二重ストアモデル(Redisワーキングメモリ、Neo4j長期グラフ)を実装し、ハイブリッドフルテキストとベクトル検索を備える。
  論文  参考訳（メタデータ） (2026-03-18T00:59:49Z)
• Hindsight is 20/20: Building Agent Memory that Retains, Recalls, and Reflects [11.300084544174894]
  エージェントメモリを推論のための構造化第1級基板として扱うメモリアーキテクチャであるHindsightを提案する。 情報の追加、アクセス、更新の方法を管理する3つのコア操作 – 保持、リコール、リフレクション – をサポートしている。 オープンソースの20Bモデルは、全文ベースラインで全体の精度を39%から83.6%に引き上げる。
  論文  参考訳（メタデータ） (2025-12-14T19:47:23Z)

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。