論文の概要: Externalise the Memory: A Pre-Registered Study of Where an Embodied Agent's Experience Should Live

• arxiv url: http://arxiv.org/abs/2610.30478v1
• Date: Wed, 21 Oct 2026 21:54:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.14437
• Title: Externalise the Memory: A Pre-Registered Study of Where an Embodied Agent's Experience Should Live
• Title（参考訳）: 記憶の外部化: 身体的エージェントの経験がどこにあるべきかを事前登録した研究
• Abstract要約: メモリ拡張された振る舞いを重みに拡張すると、+1 pp (n.s.) のアクションのみの制御が打ち負かされる。 固定された学生重量集合に+34 pp (z=5.15)を加えて、プールドメモリ拡張教師基準(49.3%)に達する 第2に難しいタスクでは、検索の優位性は同じ方向を向いているが、重要度に欠ける。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Should an embodied agent's experience be baked into its policy weights, or kept external and retrieved at inference? A memory-augmented teacher (a VLM that retrieves lessons, with their episode images, from its own past attempts) produces trajectories on a vision-conditioned reach task; from the same trajectories we distil LoRA student policies and evaluate them under matched protocols, including one that re-attaches the teacher's frozen retrieval buffer to a fixed set of student weights. We pre-registered the hypotheses, arms, tests, and analysis rules before training and before any p-value. Distilling the memory-augmented behaviour into weights beat an action-only control by +1 pp (n.s.); the registered test proves underpowered for its own minimum effect, so we withdraw - rather than refute - the memory-in-weights claim. Attaching retrieval to a fixed set of student weights added +34 pp (z=5.15), reaching the pooled memory-augmented teacher reference (49.3%); the pre-registered protocol contrast agrees (+23 pp, z=3.36); under a pre-registered auto-reset sensitivity count the two are +36 and +29 pp. An exploratory behavioural probe with pre-registered per-arm predictions is consistent with behavioural distillation transferring the marginal correction but not the conditional, situation-specific correction that retrieval supplies. The recipe that follows is to externalise the memory: in follow-up controls registered before they ran, the same frozen buffer lifts the base model with no adapter to 48% (sensitivity 48%) and the other three adapters from 19-26% to 53-55% (sensitivity 17-21% to 50-55%), and the adapter adds nothing detectable once the buffer is attached. On a second, harder task, the retrieval advantage points the same direction but falls short of significance (+6 pp, 95% CI [-4.5, +16.4]); exploratory diagnostics tie the attenuation to memory coverage.
• Abstract（参考訳）: 具体的エージェントの経験を政策の重みに焼き込むか、あるいは推論で外部に保持して回収するか。 メモリ拡張された教師(過去の映像からレッスンを回収するVLM)は、視覚条件付きリーチタスクで軌跡を生成し、同じ軌跡からLoRAの学生ポリシーを廃止し、マッチしたプロトコルで評価する。 トレーニング前およびp値の前に、仮説、武器、テスト、分析ルールを事前登録しました。 メモリ拡張された振る舞いを重みに拡張すると、アクションのみの制御が+1pp(n.s.)で打ち負かされる。 予め登録されたプロトコルコントラスト(+23 pp, z=3.36)は、事前登録された自動リセット感度カウントで+36 ppと+29 ppとなる。 予備登録されたパーアーム予測による探索的行動プローブは、限界補正を伝達する行動蒸留と一致しているが、検索が供給する条件付き状況特異的な補正とは一致しない。 実行前に登録されたフォローアップコントロールでは、同じ冷凍バッファが48%(感度48%)のアダプタなしでベースモデルを持ち上げ、残りの3つのアダプタは19-26%から53-55%(感度17-21%から50-55%)まで持ち上げる。 第2に難しいタスクでは、検索の優位性は同じ方向を向いているが、重要度に欠ける(+6 pp, 95% CI [-4.5, +16.4])。

関連論文リスト

• MemoProAgent: Toward Memory-Driven Proactive Assistance [62.65924263961032]
  MemoProBenchは、メモリ駆動型プロアクティブアシストのベンチマークである。 それは、エゴセントリックなビデオと、年長で気を散らすようなユーザー記憶を合わせたものだ。 トレーニングなしでは、MemoProAgentはQwen3.8-27Bで10%未満から37.5%、GPT-5.3-Chatで38%まで厳格な精度を上げた。
  論文  参考訳（メタデータ） (2026-10-15T21:40:17Z)
• Writability and the Pathway: A Controlled Study of Knowledge Injection into Addressed Memory [5.679081499318451]
  アドレス付き条件記憶は、ホック後の知識注入のための局所的な表面を提供する。 この研究は、制御されたGPT-2とQwen3.8-Flash-Next-FP8とDeepSeek-V4.1-Flashのプロダクションメモリ実験を組み合わせる。
  論文  参考訳（メタデータ） (2026-10-15T09:14:29Z)
• Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training [45.727227890697556]
  我々は,9,961のソースタスクから50,228のエラー診断ペアからなるエージェントエラーデータセット(AED)を紹介した。 5段階のAgenic Error-to-Trainingパイプラインは自然の故障を収集し、診断と修正案を生成し、記録された証拠と照合する。 アクタートレーニングのレシピの比較において、アクションオンリーの修復トレーニングは成功オンリーのトレーニングよりもWebShop-liteの方が6.67ポイント高い。
  論文  参考訳（メタデータ） (2026-09-30T16:40:22Z)
• Learn Now, Use Next, Trust Later: Prequential Test-Time Learning for LLM Agents [55.440058537827134]
  StepLearnは、永続的な信頼から即時の使用を分離する非パラメトリックフレームワークである。 情報的な遷移を仮説に変え、次のステップを導く。 GPT-5-miniでの平均成功率は59.9%、84.0%、Qwen3.5-35B-A3Bで57.8%、88.1%である。
  論文  参考訳（メタデータ） (2026-09-28T08:06:03Z)
• Self-Confirming Superposition Traps in Reinforcement Learning [62.71685993550818]
  強化学習はエージェントのポリシーによって選択されたデータに基づいて表現し、その結果のリターンを使って次の選択を導く。 これらのデータに対して表現フィッティングがグローバルに最適である場合でも,このループは低リターンポリシーを維持可能であることを示す。
  論文  参考訳（メタデータ） (2026-09-26T21:56:26Z)
• Evaluating Confidence-Gated Retrieval with Matched Trajectory Replay [3.888537003098864]
  信頼と行動のマッピングを比較するための制御プロトコルであるMatched trajectory replayを提案する。 マルチホップ質問応答システムにおいて, 生の言語的信頼度とポストホック等調音校正度を比較した。 全体的な精度は、HotpotQAでは最大15ポイント向上するが、MuSiQueでは最大17ポイント低下する。
  論文  参考訳（メタデータ） (2026-08-27T09:15:33Z)
• Asking Back: Interaction-Layer Antidistillation Watermarks [7.826668598190874]
  既存の防御は教師の出力トークンを操作する。 最近の研究によると、悪意のない攻撃者は、根底にある知識を失うことなく、これらの信号を取り除くことができる。 相互作用層型抗蒸留透かしを提案する。
  論文  参考訳（メタデータ） (2026-05-15T08:28:35Z)
• ImplicitMemBench: Measuring Unconscious Behavioral Adaptation in Large Language Models [60.14219417402433]
  LLMエージェントの既存のメモリベンチマークは、事実の明示的なリコールを評価するが、意識的な検索なしに、経験が自動的な振る舞いになる暗黙の記憶を見落としている。 IndicitMemBenchは、非宣言的メモリの標準的な認知科学のアカウントから引き出された3つの構造を通して暗黙的メモリを評価する最初の体系的なベンチマークである。 当社の300イテムスイートでは,初動採点を備えたLearning/Priming-Interfere-Testプロトコルを統一しています。
  論文  参考訳（メタデータ） (2026-04-09T10:26:32Z)

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。