論文の概要: Hy-Memory-30B-A3B: Attributed Reinforcement Learning for Long-Term Memory Writing

• arxiv url: http://arxiv.org/abs/2610.22196v1
• Date: Thu, 15 Oct 2026 16:46:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.199834
• Title: Hy-Memory-30B-A3B: Attributed Reinforcement Learning for Long-Term Memory Writing
• Title（参考訳）: Hy-Memory-30B-A3B:長期記憶記述のための分散強化学習
• Abstract要約: Hy-Memory-30B-A3BはMem0、MemOS、Hy-Memoryで訓練されたコンパクトな長期メモリライターである。 メモリオンポリシィ蒸留(Memory On-Policy Distillation)は、学生が生成する状態に関するフレームワーク固有の書き込みプロトコルを教える。 Hy-Memory-30B-A3BはEverMemOSを含む4つの評価ハーネスで第1位である。
• 参考スコア（独自算出の注目度）: 6.171350170801524
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: External-memory systems extend language-model applications beyond a context window, but their quality depends critically on the model executing the write path: deciding what to retain, how precisely to represent it, and how new evidence should update persistent state. Existing frameworks typically place a general-purpose large language model behind framework-specific prompts. This raises serving cost, and a writer specialized for one protocol does not transfer directly to another; a unified model that can operate across established memory frameworks remains largely unexplored. We present Hy-Memory-30B-A3B, a compact long-term-memory writer trained across Mem0, MemOS, and Hy-Memory. Memory On-Policy Distillation teaches framework-specific write protocols on student-generated states; Memory RL then optimizes downstream answerability using dense per-chunk probes, attributed cross-chunk rewards, over-storage controls, and chunk-level GRPO. Carrying policy-written banks across windows keeps training aligned with deployment. On fixed 20% benchmark subsamples, Hy-Memory-30B-A3B ranks first on all four evaluated harnesses, including held-out EverMemOS, with a 55.49% macro average versus 54.62% for Claude Opus 5.
• Abstract（参考訳）: 外部メモリシステムは言語モデルアプリケーションをコンテキストウィンドウを超えて拡張するが、その品質は書き込みパスを実行するモデルに大きく依存する。 既存のフレームワークは通常、フレームワーク固有のプロンプトの背後に汎用的な大規模言語モデルを置く。 これにより、サービスコストが上昇し、あるプロトコルに特化したライターが直接他のプロトコルに転送されることはない。 We present Hy-Memory-30B-A3B, a compact long-term-Memory writer in Mem0, MemOS, and Hy-Memory。 メモリオンポリシィ蒸留(Memory On-Policy Distillation)は、学生生成状態におけるフレームワーク固有の書き込みプロトコルを教える; メモリRLは、密度の高いチャンクごとのプローブ、属性付きクロスチャンク報酬、オーバーストレージコントロール、チャンクレベルのGRPOを使用して、ダウンストリームの応答性を最適化する。 ポリシーで書かれた銀行を窓越しに運べば、トレーニングはデプロイメントと一致します。 固定20%のベンチマークサブサンプルでは、Hy-Memory-30B-A3BがClaude Opus 5では55.49%のマクロ平均に対して、EverMemOSを含む4つの評価ハーネスで第1位となった。

関連論文リスト

• MemComposer: Learning to Assemble Memories for LLM Agents via Reinforcement Learning [24.607495948438686]
  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。
  論文  参考訳（メタデータ） (2026-10-15T01:47:06Z)
• MemCode: Discrete Semantic Representations for Long-Term Agent Memory [20.707723160020404]
  本稿では,検索指向の書き込みを個別の連想検索と組み合わせた長期エージェントメモリフレームワークMemCodeを提案する。 MemCodeは対話を自己完結型原子メモリユニット(AMU)に書き直し、AMUを学習可能なコードブックにマッピングする。 GPT-4o-mini と Qwen3-30B-A3B-Instruct-2507 のバックボーンを持つ LongMemEval-S と LoCoMo では、MemCode はダイアログ単位のメモリ構成をおよそ 40130 秒に抑えながら、全体的な精度を最高のものにしている。
  論文  参考訳（メタデータ） (2026-10-14T02:51:29Z)
• MEMOBench: A Process Level Memory Benchmark for Robotic Manipulation [36.81053166644513]
  ロボット操作におけるプロセスレベルのメモリ評価のベンチマークである textbfMEMOBench を提案する。 MEMOBenchには30の履歴依存タスク、1500のエキスパートデモ、84のテンプレートから4,200の実行可能なチェックポイントインスタンスが含まれている。
  論文  参考訳（メタデータ） (2026-09-07T05:06:20Z)
• Dual-Grained Agent Memory and Shapley Context Attribution for Multimodal Agentic Learner [55.80248281761638]
  マルチモーダルな大言語モデル (MLLM) は、科学的および数学的推論において、印象的な認識を提供する。 本稿では,DG-Memを提案する。DG-Memは,トレーニングタイムのロールアウトから一度構築した外部記憶メモリと,テスト時に読み取り専用に相談することで,凍結したMLLMを拡張可能なエージェントメモリフレームワークである。
  論文  参考訳（メタデータ） (2026-08-24T13:56:01Z)
• Agent Memory Distillation: Empowering Small LLM Agents with Hierarchical Teacher Memory [49.6908961629532]
  エージェントメモリ蒸留(Agen Memory Distillation、AMD)は、大規模な教師エージェントから階層的な記憶を通じて、構造化された知識を小さな学生エージェントに転送する、トレーニング不要のフレームワークである。 メモリはタスクレベルの戦略を符号化し、サブタスクメモリは具体的な振る舞いの例を提供し、ファンクションメモリは関数ごとの呼び出し規約をキャプチャする。 GPT-5-miniを教師とする4つの学生モデル(4B-8Bパラメータ)を用いた3つのツールユースベンチマークでAMDを評価し,平均精度27.2%p,11.2%p,3.4%pのAppWorld,BFCL Vを用いた。
  論文  参考訳（メタデータ） (2026-08-07T12:43:00Z)
• 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)
• Memory Grafting: Scaling Language Model Pre-training via Offline Conditional Memory [65.39827296429527]
  条件付きメモリのスケーリングは、言語モデルのキャパシティを向上する有望な方法である。 Engramのような既存の方法は、事前トレーニング中にスクラッチから大きなメモリテーブルを学習する。 本研究では, グラフトモデルから凍結した隠蔽状態を条件n-gramメモリとして利用する条件記憶スケーリング手法であるメモリグラフトを提案する。
  論文  参考訳（メタデータ） (2026-05-20T09:35:04Z)
• 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)
• EvoMemBench: Benchmarking Agent Memory from a Self-Evolving Perspective [21.66000179149483]
  EvoMemBenchは、メモリスコープとメモリ内容の2つの軸に沿って編成された統一ベンチマークである。 本稿では,15個の代表記憶法と強い長文ベースラインを標準プロトコルで比較する。 結果は、現在のメモリシステムは、まだ一般的な解決策には程遠いことを示している。
  論文  参考訳（メタデータ） (2026-05-18T13:54:38Z)
• Fine-Mem: Fine-Grained Feedback Alignment for Long-Horizon Memory Management [63.48041801851891]
  Fine-Memは、きめ細かいフィードバックアライメントのために設計された統一されたフレームワークである。 MemalphaとMemoryAgentBenchの実験は、Fin-Memが強いベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-01-13T11:06:17Z)

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。