論文の概要: Learning What to Remember: Resource-Efficient Self-Improvement for Lifelong Agents

• arxiv url: http://arxiv.org/abs/2610.26453v2
• Date: Wed, 21 Oct 2026 14:25:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.0636
• Title: Learning What to Remember: Resource-Efficient Self-Improvement for Lifelong Agents
• Title（参考訳）: 思い出すべきことを学ぶ:生涯エージェントのための資源効率の良い自己改善
• Abstract要約: 自己改善エージェントは、デプロイ後の経験から学ぶことによって、継続的に行動を改善することを目的としている。 既存のライフ長メモリ手法は,単純な検索やメモリ不要なエージェントに対して,限られたメリットをもたらすことが判明した。 エージェントは過去の経験が関係しているだけでなく、将来的な意思決定を改善するために再利用する価値があることを学ばなければならない。 スパース実行フィードバックからクエリ依存メモリを学習する軽量なフィードバック駆動型メモリ適応フレームワークであるTokenWorthを提案する。
• 参考スコア（独自算出の注目度）: 39.51974694970969
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Self-improving agents aim to continuously improve their behavior by learning from experience after deployment. However, accumulating and reusing more experience does not necessarily lead to better decisions, particularly when generation, interaction, and memory resources are jointly constrained. Under such stringent constraints, we find that several existing lifelong-memory methods provide limited benefits over simple retrieval or even no-memory agents. This reveals a fundamental challenge for resource-efficient self-improvement: agents must learn not only which past experiences are relevant, but which are actually worth reusing to improve future decisions. When memory capacity and opportunities for reasoning and recovery are limited, retrieving an ineffective experience can consume scarce resources and hinder downstream execution. To address this challenge, we propose TokenWorth, a lightweight feedback-driven memory adaptation framework that learns query-dependent memory worth from sparse execution feedback. Without updating the backbone model, TokenWorth uses the learned worth to guide both experience retrieval and bounded memory management, enabling the agent to continually adapt how it reuses accumulated experience. Across three LifelongAgentBench environments and both local and API-based deployments, TokenWorth achieves the highest task success rate while using the fewest output tokens among the evaluated methods under the specified resource budgets. These results suggest that effective self-improvement under resource constraints depends not on accumulating more experience, but on learning what is worth remembering. Our code is publicly available at https://github.com/AIGNLAI/TokenWorth.
• Abstract（参考訳）: 自己改善エージェントは、デプロイ後の経験から学ぶことによって、継続的に行動を改善することを目的としている。 しかし、より多くの経験を蓄積し再利用することは、特に生成、インタラクション、メモリリソースが共同で制約されている場合に、必ずしもより良い決定を下すとは限らない。 このような厳密な制約の下では、いくつかの既存のライフ長メモリメソッドは、単純な検索や非メモリエージェントよりも限られた利点を提供する。 エージェントは過去の経験が関係しているだけでなく、将来的な意思決定を改善するために再利用する価値があることを学ばなければならない。 メモリ容量と推論とリカバリの機会が限られている場合、非効率なエクスペリエンスを取得することは、不足するリソースを消費し、下流での実行を妨げます。 この課題に対処するため,我々は,スパース実行フィードバックからクエリ依存メモリを学習する軽量なフィードバック駆動型メモリ適応フレームワークであるTokenWorthを提案する。 バックボーンモデルを更新することなく、TokenWorthは学習した価値を使って、経験検索と境界メモリ管理の両方をガイドし、エージェントが蓄積した経験を再利用する方法を継続的に適用できるようにする。 3つのLifelongAgentBench環境と、ローカルおよびAPIベースのデプロイメントの両方で、TokenWorthは、指定されたリソース予算の下で評価されたメソッドの中で、最も少ない出力トークンを使用しながら、最もタスクの成功率を達成する。 これらの結果は、資源制約下での効果的な自己改善は、より多くの経験を蓄積することではなく、記憶に値するものを学ぶことに依存することを示唆している。 私たちのコードはhttps://github.com/AIGNLAI/TokenWorth.comで公開されています。

関連論文リスト

• UniMem: Complementary Episodic-to-Parametric Memory for Boundary-Agnostic Task Streams [77.52140119830241]
  自律型メモリ管理のためのセルフルーティングフレームワークUniMemを提案する。 UniMemは学習可能なルーティングトークンをメモリコントローラとして使用し、相補的なメモリ経路間の適応的な調整を可能にする。 長距離ストリーミングタスクシーケンスの実験では、UniMemは実行の忠実さを維持しながらベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-07-28T17:28:21Z)
• 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)
• AdMem: Advanced Memory for Task-solving Agents [13.611633561917513]
  大規模言語モデル(LLM)はツール使用エージェントとしての約束を示すが、知識の記憶、整理、再利用を必要とする長期的タスクには制限がある。 本稿では,短期記憶と長期記憶を組み合わせた2段階設計において,セマンティック,エピソード,手続き記憶を統合した統合的・自動記憶フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-05T00:11:57Z)
• Learning to Retrieve: Dual-Level Long-Term Memory for Text-to-SQL Agents [63.38073530162493]
  長期記憶は、エージェントが過去の経験を再利用するのに役立つ。 静的メソッドは、下流ユーティリティを最適化しない固定された類似性に依存します。 動的マルチ水平メモリ検索フレームワークであるMERITを提案する。
  論文  参考訳（メタデータ） (2026-05-30T05:44:34Z)
• 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)
• Evaluating Long-Term Memory for Long-Context Question Answering [100.1267054069757]
  質問応答タスクにアノテートした合成長文対話のベンチマークであるLoCoMoを用いて,メモリ拡張手法の体系的評価を行う。 以上の結果から,メモリ拡張アプローチによりトークン使用率が90%以上削減され,競争精度が向上した。
  論文  参考訳（メタデータ） (2025-10-27T18:03:50Z)
• ArcMemo: Abstract Reasoning Composition with Lifelong LLM Memory [21.4675019810992]
  概念レベルのメモリは再利用され、ソリューショントレースから抽出されたモジュラー抽象化が自然言語に格納される。 我々は、合成一般化と抽象的推論を強調するベンチマークARC-AGIを評価する。 抽象概念は最も一貫したメモリ設計であり、全てのテストされた推論計算スケールでベースラインを上回ります。
  論文  参考訳（メタデータ） (2025-09-04T17:54:19Z)
• Saliency-Augmented Memory Completion for Continual Learning [8.243137410556495]
  忘れる方法は、継続的な学習に対処しなければならない問題である。 本稿では,連続学習のための新たなサリエンシ強化メモリ補完フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-26T18:06:39Z)

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。