論文の概要: Parametric Session States Recover Retrieval Intent without Replaying History

• arxiv url: http://arxiv.org/abs/2610.33047v1
• Date: Sat, 17 Oct 2026 05:07:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.22733
• Title: Parametric Session States Recover Retrieval Intent without Replaying History
• Title（参考訳）: パラメータセッション状態が履歴を再生せずに検索インテントを復元する
• Abstract要約: 長期にわたるアシスタントは、参照者、制約、アクティブな目標が以前に何度も確立されたフォローアップリクエストを解釈することが多い。 emphParametric Session State (method)は,現実的な知識を外部に保持しつつ,検索対象を記憶する再利用可能なセッションメモリレイヤである。
• 参考スコア（独自算出の注目度）: 42.82614522980862
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-running assistants often interpret follow-up requests whose referents, constraints, and active goals were established many turns earlier. The central challenge is therefore not only context length, but retrieval intent: a current query such as ``use the previous configuration'' may omit the project, entity, and version terms needed to locate relevant evidence. Long-context models can recover those terms by replaying the interaction, but repeatedly pay the cost of processing history. Conventional retrieval-augmented generation (RAG) is cheaper, yet assumes an information-sufficient query; conversational rewriting either rereads the history or depends on an explicitly maintained textual memory. We introduce \emph{Parametric Session State} (\method{}), a reusable session-memory layer that remembers what to search for while keeping factual knowledge external.
• Abstract（参考訳）: 長期にわたるアシスタントは、参照者、制約、アクティブな目標が以前に何度も確立されたフォローアップリクエストを解釈することが多い。 現在の'use the previousconfig'のようなクエリは、関連するエビデンスを見つけるのに必要なプロジェクト、エンティティ、バージョン用語を省略する可能性がある。 長いコンテキストモデルでは、インタラクションをリプレイすることでこれらの用語を復元できるが、処理履歴のコストは繰り返し支払う。 従来の検索強化世代 (RAG) は安価だが、情報に十分なクエリを前提としており、会話の書き直しは履歴を読み戻すか、明示的に保守されたテキストメモリに依存する。 これは再利用可能なセッションメモリ層で、実際の知識を外部に保持しながら何を検索するかを記憶します。

関連論文リスト

• Memory Control Signals Emerge Before Action in Long Horizon Agents [55.84813053778976]
  各エージェントアクションの直前に隠された状態を調べ、圧縮とリコールの要求がモデルの内部表現にすでにエンコードされていることを確認する。 本研究では,状態誘導圧縮と外部エビデンス検索を組み合わせたPreaction Memory with Evidence Retrieval (PaMER)を提案する。
  論文  参考訳（メタデータ） (2026-09-23T03:23:34Z)
• CueMem: Cue-Guided Context Reconstruction for Long-Term Conversational Memory [38.76918926805768]
  CueMemは、抽出されたメモリレコードを検索キューとして扱うキュー誘導フレームワークである。 ソースターンからクエリ関連対話コンテキストを再構築する。 LoCoMoとLongMemEvalの実験によると、CueMemは長期的なメモリ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） (2026-09-11T02:27:22Z)
• What Should an Agent Forget? Separating What Is Stored from What Is Used [14.434131011155545]
  永続的な言語エージェントは、時間にわたって利用できるように格納されたエクスペリエンスを必要とします。 RD-Forgetは、エージェントが保存するものと使用するものとを分離する、トレーニング不要のフレームワークです。
  論文  参考訳（メタデータ） (2026-09-09T14:48:09Z)
• ReContext: Recursive Evidence Replay as LLM Harness for Long-Context Reasoning [78.94047086588078]
  長文推論のための LLM Harness として再帰的証拠を提案する。 長文推論を改善するための訓練不要推論法である。 128Kのコンテキスト長を持つ8つの長文データセットの実験は、エビデンスの利用を一貫して改善していることを示している。
  論文  参考訳（メタデータ） (2026-07-02T17:59:26Z)
• TRACE: State-Aware Query Processing over Temporal Evidence Graphs for Conversational Data [15.389000154441986]
  本稿では,時間的エビデンスグラフ上の問合せ処理フレームワークTRACEについて述べる。 TRACEは、イベント、セッション、トピックにまたがる階層的なグラフとして会話をモデル化する。 問合せ時に、TRACEは、ベクトルベースのノート検索とグラフ誘導エビデンス検索を組み合わせることで、妥当性を意識したサポートパスと、回答生成のためのハイブリッドコンテキストを生成する。
  論文  参考訳（メタデータ） (2026-07-01T02:28:47Z)
• SAM: State-Adaptive Memory for Long-Horizon Reasoning Agent [51.274445160155864]
  ロングホライゾンのエージェント推論は、思考、ツールコール、観察、部分的な結論を含む長い相互作用履歴を通して行動するために大きな言語モデルを必要とする。 既存のアプローチでは、インタラクション履歴の切り抜き、短いサロゲートに圧縮、あるいは再利用のために選択した部分を取得することで、この問題に対処している。 我々は、インテント駆動リコールのための生のトラジェクトリページを保持しながら、継続的なインタラクションをコンパクトなメモリキューに統合するスタンドアロンフレームワークであるState-Adaptive Memoryを提案する。
  論文  参考訳（メタデータ） (2026-05-23T08:37:16Z)
• Thinking Ahead: Prospection-Guided Retrieval of Memory with Language Models [10.094292900770261]
  ロングホライゾンのパーソナライズには、対話履歴からユーザ固有の事実を検索する対話アシスタントが必要である。 実際には、多くの関連する事実は、密集した検索条件下でのクエリと意味的相似性が低いことが多い。 本稿では,記憶の保存方法から検索を分離するPGR(Prospection-Guided Retrieval)を提案する。
  論文  参考訳（メタデータ） (2026-05-13T22:57:54Z)
• History-Aware Hierarchical Transformer for Multi-session Open-domain Dialogue System [59.78425104243993]
  マルチセッションオープンドメイン対話のための履歴認識階層変換器(HAHT)を提案する。 HAHTは歴史会話の長期記憶を維持し、歴史情報を利用して現在の会話状況を理解する。 大規模マルチセッション会話データセットの実験結果は,提案したHAHTモデルがベースラインモデルより一貫して優れていることを示唆している。
  論文  参考訳（メタデータ） (2023-02-02T06:54:33Z)
• Query Resolution for Conversational Search with Limited Supervision [63.131221660019776]
  本稿では,双方向トランスフォーマに基づくニューラルクエリ解決モデルQuReTeCを提案する。 我々はQuReTeCが最先端モデルより優れており、また、QuReTeCのトレーニングに必要な人為的なデータ量を大幅に削減するために、我々の遠隔監視手法が有効であることを示す。
  論文  参考訳（メタデータ） (2020-05-24T11:37:22Z)

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。