論文の概要: Pre-Query Retention with Bounded Bit and Word Retrieval

• arxiv url: http://arxiv.org/abs/2610.25098v1
• Date: Sun, 18 Oct 2026 08:19:34 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:36:52.012943
• Title: Pre-Query Retention with Bounded Bit and Word Retrieval
• Title（参考訳）: 境界ビットと単語検索による事前クエリの保持
• Abstract要約: 不変なバイナリアーカイブの横にある固定長保持について検討した。 実現可能な1ビットメモリセルを特徴付け,完全なレコード空間を分割するエンコーダを構築する。
• 参考スコア（独自算出の注目度）: 3.0318216701273397
• License:
• Abstract: An agent can retain information before receiving a future question and later retrieve evidence from an archive. Evaluating this arrangement requires accounting for both retained information and the width of each retrieval response. Decision-tree capacity bounds describe individual sets of distinguishable records, but a memory writer must encode every possible record before the query is known. We study fixed-length retention beside an immutable binary archive, with a worst-case limit on raw bit or word reads. We characterize feasible one-bit-read memory cells and construct encoders that partition the complete record space. Supporting pairwise exclusive disjunction and conjunction with one bit read is equivalent to supporting every Boolean query. For multiple reads, we combine explicit encoders with decision-tree counting and an entropy converse. The word-read bounds differ by at most two retained bits when the read budget is at most half the archive length. Under an explicit condition on word width and archive length, raw-word caching attains the exact optimum among all writers. A related condition preserves this optimum under positive average error. Exhaustive checks validate the implementations. In a matched dialogue-agent study, a categorical sufficient statistic preserves source decisions with less storage and lower decoding latency than the universal encoder. A catalogue-specific index reduces private state further and requires additional shared storage. The results characterize how response width and future query structure determine retention requirements.
• Abstract（参考訳）: エージェントは、将来の質問を受ける前に情報を保持し、その後、アーカイブから証拠を検索することができる。 この配置を評価するには、保持された情報と各検索応答の幅の両方を考慮する必要がある。 決定ツリーの容量境界は個々の区別可能なレコードの集合を記述するが、メモリライタはクエリが知られる前にすべてのレコードをエンコードしなければならない。 不変なバイナリアーカイブの横にある固定長保持について検討した。 実現可能な1ビットメモリセルを特徴付け,完全なレコード空間を分割するエンコーダを構築する。 ペアワイズ排他的ディスジャンクションをサポートし、一方の読み出しと併用することは、Booleanクエリすべてをサポートするのと同じである。 複数の読み出しに対して、明示的なエンコーダと決定木カウントとエントロピーの逆を組み合わせた。 ワード読み出しバウンダリは、読み込み予算がアーカイブの長さの半分である場合、少なくとも2つの保持ビットによって異なる。 単語幅とアーカイブ長の明示的な条件下では、原文キャッシングは全ての著者の正確な最適値を得る。 関連する条件は、この最適値を正の平均誤差で保存する。 実行チェックは実装を検証する。 一致した対話エージェント研究において、分類学的に十分な統計量は、ユニバーサルエンコーダよりも少ないストレージと低い復号遅延でソース決定を保存する。 カタログ固有のインデックスは、プライベートステートをさらに減らし、追加の共有ストレージを必要とする。 その結果、応答幅と今後のクエリ構造が保持要求をどのように決定するかを特徴付ける。

関連論文リスト

• Weighted State Souping for Efficient Long-Context Retrieval [52.13384953250926]
  状態空間モデル(SSM)は、高速推論と固定状態サイズと競合する言語モデリング性能を組み合わせたものである。 キャッシュされた状態を構成するためのクエリ依存の重み付けを学習する簡単な方法である重み付け状態スープリングを提案する。 提案手法は効率の良いスパース変種にさらに適応することができ,文脈長に対してほぼ安定な符号化コストが得られる。
  論文  参考訳（メタデータ） (2026-10-19T00:49:08Z)
• From Memory Hits to Answerable Evidence: Query-Conditioned Memory Compilation for Long-Term Agent Memory [9.354606038485644]
  本稿では,長期会話記憶のためのクエリ条件付きエビデンスコンパイルフレームワークであるMemCompileを提案する。 クエリが与えられたら、Address Planeは、コンパクトなソースリンクディスクリプタとキャパシティ対応のCellを通じて、関連するサポートを見つける。 そのエビデンス・プレーンは、補完的なパケットにまたがる有界なエビデンス予算を割り当て、限定的な追加サポートを認め、各選択されたパケットに関連する保持されたクレームを、応答可能なコンテキストにレンダリングする。
  論文  参考訳（メタデータ） (2026-10-16T11:15:29Z)
• Recall What Is Missing: Composing Evidence from Long-Term Agent Memory [24.592499205332413]
  限られたコンテキスト予算の下では、長期的なエージェントは、個々の関連性のある記憶だけでなく、現在のクエリに十分な証拠を思い出さなければならない。 私たちはこの操作をMemPursuitでインスタンス化します。これは、スパース凸クエリ再構築の残余を、現在のメモリセットが欠落している部分の表現空間プロキシとして使用する、トレーニング不要のメカニズムです。
  論文  参考訳（メタデータ） (2026-10-11T14:18:11Z)
• The Evolution of Attention in Large Language Models: Mechanisms, Trade-offs, and Emerging Trends [51.17628561637134]
  自己アテンションは、LLMにコンテキストへの細粒度でクエリ依存のアクセスを与える。 本調査は, モデル内コンテクストメモリとしての開発状況を解析する。
  論文  参考訳（メタデータ） (2026-09-30T13:03:01Z)
• MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
  ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。 MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。 長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
  論文  参考訳（メタデータ） (2026-07-14T15:33:44Z)
• Improving Long-Context Retrieval with Multi-Prefix Embedding [64.08968715893504]
  Multi-Prefix Embeddingは、ドキュメントをEOSトークンで区切られたチャンクに分割し、完全なシーケンスを単一の因果フォワードパスにエンコードし、各プレフィックス境界に1つの埋め込みを抽出する。 MPEはクロスチャンクコンテキストを保持し、チャンクレベルのMaxSimマッチングを可能にし、ドキュメントレベルの関連ラベルのみをトレーニングする。
  論文  参考訳（メタデータ） (2026-06-22T17:31:02Z)
• Infini Memory: Maintainable Topic Documents for Long-Term LLM Agent Memory [19.802226925602927]
  長期的なLLMエージェントは、変化する事実を追跡し、セッション間で関連する証拠を提供する、永続的なメモリを必要とする。 Infini Memoryは、エージェントメモリをトピック構造化文書として扱う、保守可能なテキストベースの永続メモリアーキテクチャである。
  論文  参考訳（メタデータ） (2026-06-09T10:31:51Z)
• MEMAUDIT: An Exact Package-Oracle Evaluation Protocol for Budgeted Long-Term LLM Memory Writing [0.0]
  MEMAUDITは長期メモリ書き込みのための正確なパッケージ評価プロトコルである。 我々は,このプロトコルを,記憶条件下でのconcave-over-modularなセマンティックカバレッジ目標と,経験的制約としてインスタンス化する。 厳密なパッケージ、妥当性の高いストレステスト、人間監査された自然サポートスライス、輸出されたMem0、A-Mem、そしてLetaのストア全体で、MEMAUDITは表現品質、妥当性保存、予算対応の選択効果を分離している。
  論文  参考訳（メタデータ） (2026-05-04T03:57:56Z)
• Beyond RAG for Agent Memory: Retrieval by Decoupling and Aggregation [22.803751188961865]
  検索は類似性マッチングを超えて移動し、代わりに潜在コンポーネントを操作するべきだと我々は主張する。 我々は、無傷ユニットの階層を構築し、検索可能な高レベルノード組織を維持するxMemoryを提案する。
  論文  参考訳（メタデータ） (2026-02-02T12:04:58Z)
• Learning Refined Document Representations for Dense Retrieval via Deliberate Thinking [58.69615583599489]
  Deliberate Thinking based Retriever (Debater) は、段階的な思考プロセスを導入することで文書表現を強化する新しいアプローチである。 Debaterは、いくつかのベンチマークで既存のメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-02-18T15:56:34Z)
• FastFiD: Improve Inference Efficiency of Open Domain Question Answering via Sentence Selection [61.9638234358049]
  FastFiDは、エンコードされたパスで文の選択を実行する新しいアプローチである。 これにより、価値ある文を保持するのに役立ち、回答を生成するのに必要な文脈長を減らすことができる。
  論文  参考訳（メタデータ） (2024-08-12T17:50:02Z)

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。