論文の概要: PreCoMem: Predictive Cognitive Memory for Self-Evolving Long-Term Dialogue Agents

• arxiv url: http://arxiv.org/abs/2610.29467v1
• Date: Wed, 21 Oct 2026 09:21:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.301771
• Title: PreCoMem: Predictive Cognitive Memory for Self-Evolving Long-Term Dialogue Agents
• Title（参考訳）: PreCoMem:長期的な対話エージェントのための予測的認知記憶
• Abstract要約: 予測符号化にインスパイアされたメモリ統合フレームワークであるPreCoMemを紹介する。 その中核信号であるエフェクト・サプライサルは、意味的偏差と矛盾する証拠を組み合わせたものである。 LoCoMo、LongMemEval-S、PersonaMem-v2の実験は、一貫した最先端の精度を示している。
• 参考スコア（独自算出の注目度）: 7.412821427997543
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-horizon dialogue agents need to keep user memories stable enough for personalization while adapting when the user genuinely changes. Existing memory systems often append every observation or overwrite old entries by heuristic rules, which makes transient noise hard to distinguish from real belief drift. We introduce PreCoMem, a memory consolidation framework inspired by predictive coding that represents memory as confidence-weighted beliefs about the user's state. Its core signal, Effective Surprisal, combines semantic deviation and contradiction evidence, then downweights this signal when retrieval is diffuse and unreliable. According to effective surprisal, a two-threshold gate maps each turn to one of three deterministic updates: MAINTAIN reinforces supported beliefs, PROFILE stores ambiguous cues as low-confidence hypotheses, and CORRECT softly decays reliably contradicted facts. The PROFILE stage acts as an explicit waiting room, preventing premature commitment to noisy evidence. Experiments on LoCoMo, LongMemEval-S, and PersonaMem-v2 show consistent state-of-the-art accuracy; our new DiMoBench confirms that PreCoMem adapts to non-stationary belief drift without over-reacting to noise. The code is available at https://github.com/ZhongWishing/PreCoMem.
• Abstract（参考訳）: 長軸対話エージェントは、ユーザが真に変化した時に適応しながら、パーソナライズするのに十分なユーザー記憶を維持する必要がある。 既存のメモリシステムは、すべての観察や古いエントリをヒューリスティックな規則で上書きすることが多いため、過渡的なノイズは実際の信念のドリフトと区別するのが困難である。 メモリをユーザの状態に対する信頼度に富んだ信念として表現する予測符号化にインスパイアされた,メモリ統合フレームワークであるPreCoMemを紹介する。 その中核信号であるエフェクト・サプライサルは、意味的偏差と矛盾する証拠を結合し、検索が拡散し信頼性が低いときにこの信号の重み付けを行う。 MAINTAINは支持された信念を補強し、ProFILEは低信頼仮説として曖昧な手がかりを保存し、CORRECTはソフトに矛盾した事実を確実に崩壊させる。 PROFILEステージは明確な待合室として機能し、ノイズのある証拠に対する早期のコミットメントを防ぐ。 LoCoMo、LongMemEval-S、PersonaMem-v2の実験は、一貫した最先端の精度を示している。 コードはhttps://github.com/ZhongWishing/PreCoMem.comで入手できる。

関連論文リスト

• Whose Memory Is It? Scope-Aware Commit Rules for Long-Term LLM Memory [0.7734726150561088]
  永続記憶により、エージェントは会話を通して経験を持てるが、ローカルな推論ミスを耐久性のあるものに変える。 我々は,この信号を保存するコミットルールであるCASKを導入し,共有世界の事実が耐久性のあるメモリに入るようにした。 制御された長い会話の競合やツールエージェントのトレースは、この設計がメモリの挿入を改善し、後続の回答を一時的に汚染しないようにしていることを示している。
  論文  参考訳（メタデータ） (2026-10-06T19:05:31Z)
• Memadapter: Counterfactual Adaptation Against Memory-induced Sycophancy [30.348698144294456]
  既存の緩和法では、記憶誘発性梅毒はバイアスまたは誤った記憶に由来すると仮定している。 本稿では,検索した記憶を適応的に統合し,客観的かつ信頼性の高い推論を支援する新しいフレームワークであるMemAdapterを提案する。
  論文  参考訳（メタデータ） (2026-10-04T12:12:16Z)
• Beyond the Shadows of Plato's Cave: Evaluating False Memory in Autonomous Agents via Counterfactual Reasoning [90.354889777866]
  我々は,素早い相関関係,環境変化,知識衝突から生じるテクスタイス・メモリを定式化する。 本稿では,反実的推論に基づくエージェント信念の進化を通じて,虚偽記憶を評価する学習自由フレームワークFAMEを提案する。
  論文  参考訳（メタデータ） (2026-09-30T10:35:41Z)
• Probing Stability-Plasticity Tradeoffs in Agent Memory through Cognitive Experimental Paradigms [7.9855125856736775]
  現在の評価では、メモリの挙動を最終回答精度に分解する。 MemProbeは認知科学に触発された、エージェントメモリにおける安定性と塑性のトレードオフを診断するためのフレームワークである。
  論文  参考訳（メタデータ） (2026-09-24T21:10:36Z)
• WorldMemArena: Evaluating Multimodal Agent Memory Through Action-World Interaction [72.1620416874118]
  マルチモーダルな言語モデルは、長距離エージェントとしてますます多くデプロイされている。 既存のベンチマークは、静的対話上のリコールを測定し、メモリを1つのタスクの精度に分解し、キャプションに対する視覚的な観察を減らす。 マルチモーダルエージェントメモリを,観測可能な4段階ライフサイクルを持つアクションワールドインタラクションループとして定式化する。
  論文  参考訳（メタデータ） (2026-05-28T04:27:20Z)
• Belief Memory: Agent Memory Under Partial Observability [56.41506249481312]
  本稿では,メモリパラダイムを観測毎に1つの結論にシフトし,その確率で複数の結論を導出するBeliefMemを提案する。 BeliefMemは決定論的パラダイムが破棄されるという不確実性を保ち、エージェントが高い信頼を持って行動することを可能にする。 LoCoMoとALFWorldベンチマークの実証的な評価は、限られたデータであっても、BeliefMemが最高の平均パフォーマンスを達成することを示している。
  論文  参考訳（メタデータ） (2026-05-07T02:03:13Z)
• AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents [49.63422082885992]
  長軸対話エージェントのための適応型ユーザ中心メモリフレームワークであるAdaMemを提案する。 AdaMemは対話履歴をワーキング、エピソディック、ペルソナ、グラフメモリに整理する。 LoCoMo と PERSONAMEM ベンチマーク上での AdaMem の評価を行った。
  論文  参考訳（メタデータ） (2026-03-17T13:22:54Z)

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。