論文の概要: Memory, Know Your PLACE: Governing Lifecycle State and Query-Time Eligibility in Persistent-Memory Agents
- arxiv url: http://arxiv.org/abs/2610.25179v1
- Date: Sun, 18 Oct 2026 11:05:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-25 05:54:02.607949
- Title: Memory, Know Your PLACE: Governing Lifecycle State and Query-Time Eligibility in Persistent-Memory Agents
- Title（参考訳）: Memory, Know your PLACE: Governing Lifecycle State and Query-Time Eligibility in Persistent-Memory Agents
- Abstract要約: 永続メモリは、事前の相互作用を耐久性のあるエージェント状態に変える。
既存のシステムは、その状態が有効かどうか、後のクエリに影響を及ぼすかどうかを限定的に制御する。
我々は、書き込み側の状態認証と読み取り側の認証をメモリバックエンドに追加する、ファクタライズドガバナンス層であるPLACEを紹介します。
- 参考スコア（独自算出の注目度）: 31.51495934362636
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Persistent memory turns prior interactions into durable agent state, but existing systems provide limited control over whether that state remains valid and whether it should influence a later query. We argue that reliable memory requires governance over both state formation and query-time influence. We introduce PLACE, a factorized governance layer that adds write-side state certification and read-side authorization to a memory backend. A factorial evaluation on Mem0 with Qwen2.5-3B and Qwen2.5-7B isolates the contribution of each mechanism. Results show that write-side governance substantially improves lifecycle state correctness, while read-side governance eliminates measured causal leakage from ineligible memory in the state-correct setting. Their combination achieves the strongest joint performance while preserving query-relevant support. These findings show that reliable persistent memory requires explicit control over both maintained state and query-time information influence.
- Abstract（参考訳）: 永続メモリは、前のインタラクションを耐久性のあるエージェント状態に変換するが、既存のシステムは、その状態が有効かどうか、そしてそれが後のクエリに影響を与えるかどうかを限定的に制御する。
信頼性のあるメモリは、状態形成とクエリ時間の影響の両方に対してガバナンスを必要としている、と我々は主張する。
我々は、書き込み側の状態認証と読み取り側の認証をメモリバックエンドに追加する、ファクタライズドガバナンス層であるPLACEを紹介します。
Qwen2.5-3BおよびQwen2.5-7BによるMem0の因子的評価は、各機構の寄与を分離する。
その結果、ライトサイドガバナンスはライフサイクル状態の正確性を大幅に改善する一方、リードサイドガバナンスは状態修正設定において測定された因果リークを非許容メモリから排除することを示した。
彼らの組み合わせは、クエリ関連のサポートを維持しながら、最強のジョイントパフォーマンスを達成する。
これらの結果から、信頼性のある永続メモリは、維持状態とクエリ時情報の影響の両方を明示的に制御する必要があることが示唆された。
関連論文リスト
- Harness the Memory: A Holistic Evaluation of Memory Substrates in Memory Agents [97.19033877543522]
本稿では,メモリ拡張剤のメモリ基板の制御ハーネス評価について述べる。
統一されたハーネスの下で26のパフォーマンスと効率のメトリクスを計測する。
これらの知見は、アダプティブエージェントメモリシステムに必要なコンポーネントとして、基質ルーティングを動機付けている。
論文 参考訳（メタデータ） (2026-08-15T03:29:48Z) - When Memory Becomes Authority: Benchmarking Authority Collapse at the Memory Consolidation Boundary [12.82709779460352]
LLMエージェントは不均一な相互作用履歴を再利用可能な事実、嗜好、観察、規則に集約することでタスクに適応する。
我々は、権限の崩壊を特定し、統合は、その認可された使用を規制するソース制約を消去しながら、クレームを保護します。
メモリ駆動型適応は、学習したものだけでなく、再利用される可能性のある権威も保持しなければならないことを示す。
論文 参考訳（メタデータ） (2026-08-03T04:15:40Z) - 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) - GateMem: Benchmarking Memory Governance in Multi-Principal Shared-Memory Agents [61.50171793000712]
GateMemはマルチプリンシパル共有メモリエージェントのベンチマークである。
医療、事務、教育、家庭の領域にまたがる。
強力なユーティリティ、堅牢なアクセス制御、信頼性のある忘れを同時に実現する方法は存在しない。
論文 参考訳（メタデータ） (2026-06-17T09:06:15Z) - MemGuard: Preventing Memory Contamination in Long-Term Memory-Augmented Large Language Models [56.31411457917676]
本稿では,メモリ構築と検索において,機能的メモリ境界を保存するタイプアウェアメモリフレームワークであるMemGuardを紹介する。
幻覚と長期会話のベンチマーク全体で、MemGuardはメモリの信頼性を最大28.27%向上し、メモリトークンは以前の方法より5.8倍少ない。
論文 参考訳（メタデータ） (2026-05-27T06:04:19Z) - Is Agent Memory a Database? Rethinking Data Foundations for Long-Term AI Agent Memory [3.263386002412657]
長時間稼働するAIエージェントは永続的なメモリを必要とする。
現在のエージェントメモリシステムとデータベースパラダイムはメモリを記憶として扱う。
私たちのビジョンでは、長期エージェントメモリは新しいデータ管理ワークロードです。
論文 参考訳（メタデータ） (2026-05-25T18:22:42Z) - 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) - Remember the Decision, Not the Description: A Rate-Distortion Framework for Agent Memory [120.68750043918249]
記憶は、決定にとって重要な区別を、記述ではなく保存すべきであることを示す。
DeMemは,共有状態が決定競合を誘発することを示すデータに対してのみ,分割を洗練させるオンラインメモリ学習システムである。
論文 参考訳（メタデータ） (2026-05-11T17:20:58Z) - When Stored Evidence Stops Being Usable: Scale-Conditioned Evaluation of Agent Memory [4.425240080125479]
本稿では,エビデンス保存型成長下でのエージェントメモリのスケールコンディション評価プロトコルを提案する。
各クエリに対して、タスクエビデンスが固定され、無関係なセッションが追加される。
このプロトコルはエージェントメモリトラジェクトリをログし、4つの診断結果を報告する。
論文 参考訳（メタデータ） (2026-05-08T06:22:31Z) - A Control Architecture for Training-Free Memory Use [4.640757402699249]
我々は、メモリアシストされた第2パスをいつトリガーするか、いつそれを信頼するか、また、時間とともにメモリバンクの維持方法を研究する。
提案手法は,不確実性に基づくルーティング,信頼に基づく選択的受け入れ,ルールと模範記憶間の銀行選択,時間とともにメモリバンクのエビデンスに基づくガバナンスを組み合わせる。
論文 参考訳（メタデータ） (2026-04-20T12:55:27Z)
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。