論文の概要: ProMemAgent: Long-Horizon Proactive Assistance with Context-Aware Prospective Memory from Sensory Perceptions

• arxiv url: http://arxiv.org/abs/2610.27400v1
• Date: Mon, 19 Oct 2026 23:47:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.552915
• Title: ProMemAgent: Long-Horizon Proactive Assistance with Context-Aware Prospective Memory from Sensory Perceptions
• Title（参考訳）: ProMemAgent: 知覚的知覚からのコンテキスト認識型前向き記憶による長期アクティブ支援
• Abstract要約: ProMemAgentは過去の知覚をコンテキスト認識メモリに整理する。 関連する過去のイベントを検索し、メモリ拡張されたプロアクティブ推論を実行して、アシストが必要かどうかを判断する。
• 参考スコア（独自算出の注目度）: 14.312224114715024
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM) agents are moving beyond reactive responses toward proactive assistance that anticipates user needs without explicit requests. However, existing proactive agents primarily address immediate needs, while many everyday situations involve delayed intentions that can only be acted on hours or days later. Humans handle such intentions through prospective memory, the ability to remember to act on an intention when the right moment arises. In this paper, we introduce ProMemAgent, the first proactive agent to incorporate prospective memory over everyday sensory contexts for long-horizon proactive assistance. ProMemAgent organizes past sensory perceptions (e.g., egocentric video and audio) into context-aware memory, generating prospective cues and linking earlier events with subsequent developments for future retrieval. Given the current context, it retrieves relevant past events and performs memory-augmented proactive reasoning to determine whether assistance is needed. We further introduce CPMBench, the first benchmark for evaluating long-horizon proactive assistance over sensory contexts, comprising 1,000 instances across eight everyday categories. Extensive experiments show that ProMemAgent achieves the best memory retrieval performance and consistently outperforms all baselines on long-horizon proactive assistance.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、ユーザの要求を明示的な要求なしに予測するプロアクティブなアシストへと、リアクティブ応答を越えて移行している。 しかし、既存の活動的エージェントは主に即時的なニーズに対処するが、多くの日常的な状況では、数時間から数日後にしか実行できない遅延意図が伴う。 人間は、予知記憶を通じてそのような意図を処理し、正しい瞬間が生じたときに意図に行動する能力を記憶する。 本稿では,長期的活動支援のために,日常的な感覚コンテキストに記憶を取り入れた最初のプロアクティブエージェントであるProMemAgentを紹介する。 ProMemAgentは、過去の知覚知覚(例えば、エゴセントリックなビデオとオーディオ)をコンテキスト認識メモリに整理し、予測的な手がかりを生成し、将来の検索のためにその後の出来事とリンクする。 現在の状況から、関連する過去のイベントを検索し、メモリ拡張されたプロアクティブ推論を行い、アシストが必要かどうかを判断する。 さらに,CPMBenchについても紹介する。このベンチマークは,8つの日常カテゴリにまたがる1,000のインスタンスからなる,知覚コンテキストに対する長期的プロアクティブアシストを評価するための最初のベンチマークである。 大規模な実験により、ProMemAgentは最高のメモリ検索性能を達成し、長軸のプロアクティブアシストで全てのベースラインを一貫して上回っていることが示された。

関連論文リスト

• An Agentic Framework for Proactive Robots with Procedural Assistance Memory [48.782732807971264]
  アクティブなロボットはユーザーのニーズを予測し、明示的に尋ねられる前に支援を提供するべきである。 実世界の日常的なルーチンは繰り返しパターンを示すので、これらのパターンを学習することで、前向きな決定のあいまいさを減らすことができる。 本稿では、VLMタスク予測器が現在の観察と並行して手続き支援メモリ(PAM)を読み取って、いつ、いつ、どのタスクを実行するかを判断し、VLAエグゼキュータが予測タスクを実行するメモリベースのエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-15T04:04:49Z)
• ENPMR-Bench: Benchmarking Proactive Memory Retrieval for Emotional Support Agents [53.83618283684421]
  ENPMR-Benchは,情緒的欲求認識型アクティブメモリ検索のためのベンチマークである。 ENPMR-Benchは1,800以上のメモリ拡張ダイアログを含み、感情的なニーズと支援的なメモリタイプの間の構造化マッピングを定義する。
  論文  参考訳（メタデータ） (2026-05-26T16:22:35Z)
• MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks [55.145729491377374]
  メモリを持つエージェントの既存の評価は、通常、単独で記憶と行動を評価する。 マルチセッションメモリ-エージェント環境ループにおけるエージェントメモリのベンチマークのための統合評価ジムであるMemoryArenaを紹介する。 MemoryArenaは、Webナビゲーション、優先制約付き計画、プログレッシブ情報検索、シーケンシャルなフォーマルな推論を含む評価をサポートする。
  論文  参考訳（メタデータ） (2026-02-18T09:49:14Z)
• Explore with Long-term Memory: A Benchmark and Multimodal LLM-based Reinforcement Learning Framework for Embodied Exploration [52.35887679314727]
  長期記憶身体探索は、エージェントの探索的認知と意思決定行動を統合することを目的としている。 エージェントのメモリリコールとプロアクティブな探索能力を高めるため,我々はMemoryExplorerを提案する。
  論文  参考訳（メタデータ） (2026-01-11T16:23:22Z)
• O-Mem: Omni Memory System for Personalized, Long Horizon, Self-Evolving Agents [60.1848551962911]
  O-Memはアクティブユーザプロファイリングに基づく新しいメモリフレームワークである。 O-Memはペルソナ属性とトピック関連コンテキストの階層的検索をサポートする。
  論文  参考訳（メタデータ） (2025-11-17T16:55:19Z)
• ContextAgent: Context-Aware Proactive LLM Agents with Open-World Sensory Perceptions [8.300084456561171]
  最初のコンテキスト対応プロアクティブエージェントであるContextAgentを紹介する。 ContextAgentは、ユーザの意図を理解するために、ウェアラブル上の知覚的知覚から多次元コンテキストを抽出する。 アクティブなアシストが必要な場合、ContextAgentは自動的に必要なツールを呼び出す。
  論文  参考訳（メタデータ） (2025-05-20T17:55:25Z)
• A Proposal for Intelligent Agents with Episodic Memory [0.9236074230806579]
  エージェントはエピソード記憶の恩恵を受けるだろうと我々は主張する。 このメモリはエージェントの経験をエージェントが経験を信頼できるようにエンコードする。 本稿では,ANNと標準計算機科学技術を組み合わせて,エピソード記憶の記憶と検索を支援するアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-05-07T00:26:42Z)

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。