論文の概要: Learning Personalized Memory Gating from Delayed One-Sided Feedback

• arxiv url: http://arxiv.org/abs/2610.23812v1
• Date: Fri, 16 Oct 2026 17:34:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:08.039278
• Title: Learning Personalized Memory Gating from Delayed One-Sided Feedback
• Title（参考訳）: 遅延したワンサイドフィードバックからパーソナライズドメモリゲーティングを学習する
• Abstract要約: 私たちは事実レベルでメモリゲーティングを研究します。 まず,各事実を後から検索し,回答に組み込むかによってラベル付けする検索型ラベル付け手法を提案する。 次に、オンラインメモリゲーティングを、片面フィードバックが遅れたコンテキストのリンゴテイスティングとして定式化する。
• 参考スコア（独自算出の注目度）: 81.73322303542484
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-term memory enables language-model agents to personalize future interactions, but a finite memory bank cannot preserve every extracted fact. Existing memory gating policies are typically shared across users and therefore fail to account for user-specific patterns of future reuse. In this paper, we study memory gating at the fact level. We first propose a retrieval-based labeling strategy that labels each fact by whether it is later retrieved and incorporated into responses. We then formulate online memory gating as contextual apple tasting with delayed one-sided feedback, and propose Warm-Start UCB, which combines offline learning from existing data with online adaptation to the current user. Our theoretical analysis establishes a high-probability regret upper bound of $\tilde{O}(Tε\wedge d\sqrt{T})$ when the delay window is at most $O(\sqrt{T})$, where $T$ is the total number of rounds, $ε$ is the initialization error, $d$ is the dimension of the feature map, and $\tilde{O}(\cdot)$ hides constant and poly-logarithmic factors. The results of our experiment demonstrate that our method outperforms all baselines under different memory budgets and history lengths, establishing it as a promising personalized memory gating policy.
• Abstract（参考訳）: 長期記憶は言語モデルエージェントが将来のインタラクションをパーソナライズすることを可能にするが、有限記憶バンクは抽出されたすべての事実を保存できない。 既存のメモリゲーティングポリシは一般的にユーザ間で共有されるため、将来の再利用におけるユーザ固有のパターンを考慮できない。 本稿では,事実レベルでのメモリゲーティングについて検討する。 まず,各事実を後から検索して回答に組み込むかによってラベル付けする検索ベースのラベル付け手法を提案する。 次に,既存のデータからのオフライン学習と現在のユーザへのオンライン適応を組み合わせたワームスター UCBを提案する。 我々の理論的解析は、遅延ウィンドウが最高に$O(\sqrt{T})$である場合、$T$はラウンドの総数、$ε$は初期化誤差、$d$は特徴写像の次元、$\tilde{O}(\cdot)$は定数および多変数因子を隠蔽する。 実験の結果,提案手法はメモリ予算や履歴長の異なるベースラインよりも優れており,有望なパーソナライズドメモリゲーティングポリシーとして確立されている。

関連論文リスト

• Test-Time Memory Construction [50.916768004131505]
  大きな言語モデル(LLM)は、長いインタラクション履歴に関する質問に答えるのに苦労しています。 既存のメモリシステムは通常、ユーザクエリが観測される前に、オフラインで洗練されたメモリ表現を構築し維持する。 テスト時間メモリ構築フレームワークであるT$2$Memを提案する。
  論文  参考訳（メタデータ） (2026-10-09T10:24:51Z)
• Caching for the Future: Scrub Jay Episodic Memory Principles for Agent Memory Systems [5.321970297768025]
  既存の記憶アーキテクチャは、全ての記憶を、時代遅れの事実と共に、保存されたコンテキストを均等に永続的で体系的に汚染したものとして扱う。 メモリ当たりの時間減衰は,外部LLMエージェントメモリストアにおいて,自動分類係数$_i$として操作可能であることを示す。 本稿では,時間的一般化テスト(TGT)と,保持間隔を保ったベンチマーク,一般化ギャップ(GenGap)メトリクスを紹介する。
  論文  参考訳（メタデータ） (2026-08-05T12:12:44Z)
• 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)
• Enhancing Software Engineering Through Closed-Loop Memory Optimization [50.418699819003486]
  ソフトウェア工学 (SE) エージェントにおけるメモリ拡張のためのクローズドループフレームワークである ours を紹介する。 タスクに依存しない textbf ベンチマークとアノテーションのない textbf 最適化信号としての有用性を確立する。 その結果、SEエージェントは設定によって常に改善され、成功率で$uparrow5.25%、解決効率で$uparrow4.63%という絶対的なゲインが得られることが示された。
  論文  参考訳（メタデータ） (2026-06-04T03:17:21Z)
• DMF: A Deterministic Memory Framework for Conversational AI Agents [0.0]
  我々は、生成メモリ圧縮を完全な決定論的パイプラインに置き換えるCPUファーストアプローチである決定論的メモリフレームワーク(DMF)を提案する。 DMFは、決定論的コンテンツ信号、会話の手がかり、構造化された前兆から計算されたSurvival Scoreを、ロジスティック・プロジェクションで組み合わせて割り当てる。 LoCoMoとLongMemEvalのデータセットを使用して、目的を組み込んだベンチマークで実験を行う。
  論文  参考訳（メタデータ） (2026-06-02T10:41:28Z)
• Personalize-then-Store: Benchmarking and Learning Personalized Memory for Long-horizon Agents [20.22872890297194]
  既存の大規模言語モデル(LLM)ベースのメモリシステムは、基本的な現実を覆い隠す、普遍的で静的なポリシーを適用している。 パーソナライズされたメモリシステムを評価するための最初のベンチマークであるPerMemBenchを紹介する。 本稿では,過渡セッションのメモリ操作を選択的にバイパスする軽量フレームワークであるセッションレベルのストレージゲーティングを提案する。
  論文  参考訳（メタデータ） (2026-05-25T07:48:33Z)
• MemQ: Integrating Q-Learning into Self-Evolving Memory Agents over Provenance DAGs [47.66730296440261]
  我々は,新たなメモリが生成されるたびに記憶が取得されたことを記録した証明DAGを通じて,クレジットを後方に伝播するMemQを紹介した。 6つのベンチマークで、MemQは、一般化評価とランタイム学習の6つすべてで最高成功率を達成した。 さらに、$と$がEC-MDP構造とどのように相互作用するかを研究し、パラメータ選択と将来の研究の原則的なガイダンスを提供する。
  論文  参考訳（メタデータ） (2026-05-08T18:30:24Z)
• M$^\star$: Every Task Deserves Its Own Memory Harness [28.900347612231513]
  大規模言語モデルエージェントは、拡張された相互作用の間、知識を蓄積し再利用するために、特別なメモリシステムに依存している。 最近のアーキテクチャでは、会話のセマンティック検索やコーディングに再利用されたスキルなど、特定のドメインに適した固定メモリ設計を採用するのが一般的である。 プログラムの進化を通じてタスク最適化メモリハーネスを自動的に検出する手法であるM$star$を紹介する。
  論文  参考訳（メタデータ） (2026-04-10T03:22:26Z)
• Remember Me, Refine Me: A Dynamic Procedural Memory Framework for Experience-Driven Agent Evolution [52.76038908826961]
  我々は静的ストレージと動的推論のギャップを埋めるため、$textbfReMe$ ($textitRemember Me, Refine Me$)を提案する。 ReMeは3つのメカニズムを通じてメモリライフサイクルを革新する: $textitmulti-faceted distillation$, きめ細かい経験を抽出する。 BFCL-V3とAppWorldの実験では、ReMeが新しい最先端のエージェントメモリシステムを確立している。
  論文  参考訳（メタデータ） (2025-12-11T14:40:01Z)

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。