論文の概要: Execution Before Memory: Diagnosing Memory Failures in Video World Models

• arxiv url: http://arxiv.org/abs/2610.23542v1
• Date: Fri, 16 Oct 2026 14:37:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.956075
• Title: Execution Before Memory: Diagnosing Memory Failures in Video World Models
• Title（参考訳）: メモリ前実行:ビデオワールドモデルにおけるメモリ障害の診断
• Abstract要約: ビデオワールドモデルのメモリテストでは、シーンが設定されたか、要求された変更が実行されたか、最終フレームが結果を示すかが判断される。 MISTは、残すべきメモリから変更を分離する評価である。 本稿では,M3-Agentを提案する。M3-Agentは入力命令の詳細を改訂し,モデルが要求された命令をうまく実行できるようにする。
• 参考スコア（独自算出の注目度）: 33.81228381132238
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A memory test for a video world model should say whether the scene was set, whether the asked change was carried out, and whether the last frame shows the result. Current tests fold these into one number, so a low score is easy to read as forgetting. When the change is not carried out, the hidden state transition cannot appear, so the test is not really a test of memory. We introduce MIST, an evaluation that separates the change from the memory it should leave behind. The model first sets the scene while the change stays hidden, and only later is asked to show it, with leakage before that point kept under control. This separation locates the bottleneck: the model sets the scene but does not carry out the instructed change. The same gap appears in general memory evaluations. On that basis we propose M3-Agent (Make the Missing Move), which recursively revises the details of the input instruction so that the model successfully carries out the requested instruction. Relative to the baseline, it more than triples the MIST reveal score. On the benchmarks, WRBench's score T rises by 26.1% and MBench-T's score U by 52.7%. The method meets the problem from the execution side: it shows what the frozen model can do once the move is stated, and it sets a stricter baseline.
• Abstract（参考訳）: ビデオワールドモデルのメモリテストでは、シーンが設定されたか、要求された変更が実行されたか、最終フレームが結果を示すかが判断される。 現在のテストではこれらを1つの数に折り畳むので、低いスコアは忘れるほど読みやすい。 変更が実行されない場合、隠された状態遷移は現れないため、テストは実際にはメモリのテストではない。 MISTは、残すべきメモリから変更を分離する評価である。 モデルはまず、変更が隠されている間にシーンをセットし、あとでそれを見せるように要求される。 モデルはシーンを設定するが、指示された変更を実行しない。 同じギャップが一般的なメモリ評価に現れる。 そこで本研究では,M3-Agent(Make the Missing Move)を提案する。 ベースラインとは対照的に、MISTのスコアが3倍になる。 ベンチマークでは、WRBenchのスコアTは26.1%上昇し、MBench-TのスコアUは52.7%上昇した。 このメソッドは実行側からの問題を満たす。移動が記述されたら、凍結したモデルに何ができるかを示し、より厳密なベースラインを設定する。

関連論文リスト

• Evaluating Compressed Memory: Dependence, Utility, and Content Benefit [11.866179260700669]
  メモリベクトルをゼロに置き換えることで、トレーニングされたモデルのスコアを下げることができる。 ゼロ化と個別に訓練されたモデルを組み合わせることで、格納されたテキストにアクセスしたり、すべてのドキュメントに対して同じ定数入力を受け取ることができません。
  論文  参考訳（メタデータ） (2026-10-14T01:17:03Z)
• Stale, Misattributed, or Late: Where Personal Memory Fails Before Generation [1.2891210250935148]
  時間的妥当性は、主に私たちの設定におけるメモリ構築の特性である。 失敗したマージは古い値をアクティブに残し、偽マージは静かに現在の値を削除します。 2つの凍結ランゲージモデルが生成したテキストでプロンプトエラーを再現する。
  論文  参考訳（メタデータ） (2026-10-07T15:37:12Z)
• 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)
• The Memory Trust Gap: Capability-Dependent Failures in Persistent-Memory Agents [0.0]
  永続メモリはパーソナライズされたエージェントをサポートするが、古い保存された事実は警告なしで現在の信頼できる証拠をオーバーライドすることができる。 モデル能力が変化するにつれて、この害がいつ始まるかを研究する。
  論文  参考訳（メタデータ） (2026-09-01T20:35:00Z)
• MemoryLake on MemoryArena: A Matched Study of Agent Memory Backends [8.130461324371604]
  MemoryLakeをMem0、text-embedding-3-small vector RAG、および5つのMemoryArenaドメインの長いコンテキスト制御と比較する。 各バックエンドバンドルは書き込み、検索、統合、予算設定、迅速な組立選択を行うため、この研究は一致したシステムレベルの比較である。
  論文  参考訳（メタデータ） (2026-08-14T02:19:26Z)
• Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games [69.57330692969543]
  RNG-Benchは、過去の観測を再構築するベースモデルの能力を分離するために設計されたベンチマークスイートである。 RNG-Benchには2つの補完ゲームがある: マッチングペア(英語版) - 特定の場所でカードのIDを短期間明らかにする) と、エゴセントリックなビューを空間地図に統合する3D Maze である。 最も難しい構成では、約128Kのトークンと350のイメージ入力のコンテキストが必要であり、フロンティアMLLMによる飽和には程遠いままである。
  論文  参考訳（メタデータ） (2026-06-17T17:59:34Z)
• Echo-Memory: A Controlled Study of Memory in Action World Models [58.77172260403133]
  本研究では,行動条件付き世界モデルにおける記憶機構の制御に関する研究を行う。 既存のメモリ設計と比較するのは難しいのは、ゲインにはバックボーン、トレーニング、検索、評価の違いが絡み合っているからである。 我々はEcho-Memoryを使ってアクション・ツー・ビデオのインタフェースを修正し、生成元によって履歴が保存され読み込まれるかだけを変える。
  論文  参考訳（メタデータ） (2026-06-08T17:54:10Z)
• 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)
• Is One Score Enough? Rethinking the Evaluation of Sequentially Evolving LLM Memory [50.857546269660276]
  本稿では,大規模言語モデル(LLM)メモリを逐次進化させる診断評価フレームワークであるSeqMem-Evalを紹介する。 最終的なパフォーマンスのみに焦点を当てるのではなく、SeqMem-Evalは、シーケンシャル推論において、メモリ状態がどのように進化し、一般化し、エクスペリエンスを集約し、有用な情報を保持するかを評価する。
  論文  参考訳（メタデータ） (2026-05-14T20:15:22Z)
• ChangingGrounding: 3D Visual Grounding in Changing Scenes [92.00984845186679]
  現実世界のロボットは自然言語からオブジェクトをローカライズするが、周囲のシーンは変化し続けている。 既存の3Dビジュアルグラウンドティング(3DVG)手法のほとんどは、再構築された最新の点雲を前提としている。 エージェントが過去の観測をいかにうまく活用できるかを明示的に測定する最初のベンチマークであるChangeingGroundingを紹介します。
  論文  参考訳（メタデータ） (2025-10-16T17:59:16Z)

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。