論文の概要: KEEPER: Learning Control-Sufficient Textual Memory for Long-Horizon LLM Agents

• arxiv url: http://arxiv.org/abs/2610.41482v1
• Date: Fri, 30 Oct 2026 09:36:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.672509
• Title: KEEPER: Learning Control-Sufficient Textual Memory for Long-Horizon LLM Agents
• Title（参考訳）: KEEPER:LLMエージェントの制御に十分なテキストメモリ
• Abstract要約: 自己整合性バイアス(Self-Consistency bias)は、既に入ってくるメモリに存在する誤ったクレームの持続性である。 我々は,情報内容と更新感度の軸に沿った4つの補助目標の比較分析であるKEEPERを提案する。
• 参考スコア（独自算出の注目度）: 0.9449650062296824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recursive textual memory can carry earlier errors into later updates, yet task performance alone does not establish memory reliability. We define self-consistency bias as the persistence of incorrect claims already present in the incoming memory. We present KEEPER, a comparative analysis of four auxiliary objectives along information-content and update-sensitivity axes within a shared recursive interface, examining how supervision targets relate to agent performance. Among evaluated conditions, reward-related prediction achieve the highest task performance before and after offline reinforcement learning, outperforming joint supervision. A claim-level analysis of one baseline trajectory documents error persistence despite corrective observations. Together, these analyses motivate evaluating error persistence and valid-information retention alongside task outcomes.
• Abstract（参考訳）: 再帰的なテキストメモリは、過去のエラーを後続のアップデートに運ぶことができるが、タスクパフォーマンスだけではメモリの信頼性は確立しない。 我々は、自己整合性バイアスを、既に入ってくるメモリに存在する誤ったクレームの持続性として定義する。 KEEPERは、情報内容と更新感度の軸に沿った4つの補助目的を共有再帰インタフェースで比較分析し、監督対象がエージェントのパフォーマンスにどのように関係するかを検討する。 評価条件の中では、報奨関連予測は、オフライン強化学習の前後で最高のタスク性能を達成し、共同指導に勝る。 1つの基準軌道のクレームレベル解析は、補正観測に拘わらず、誤りの持続性を文書化する。 これらの分析は、タスク結果と並行して、エラーの持続性と有効情報保持を評価する動機付けとなる。

関連論文リスト

• Tracking Task Progress Through Errors and Recovery:A Benchmark and Recurrent Distributional Model [39.206428777830546]
  2つの操作タスクにわたる3,156エピソードのデータセットであるReSTEPを紹介し,オープンソース化する。 ReSTEPは、実行、ミス、リカバリを成功させることで、トレーニングとベンチマークプログレスモニタをサポートする。 本稿では,再帰的な視覚記憶,分布予測,因果ピーク選択を組み合わせたオンラインプログレッシブエスティマであるREMORAを提案する。
  論文  参考訳（メタデータ） (2026-10-29T01:13:50Z)
• From Outcomes to Steps: Reliable Success-Aware Critic Learning for Long-Horizon Language Agents [55.652737162928]
  ロングホライズン言語エージェントの強化学習では、中間動作が最終的なタスク成功の可能性が高いか低いかを特定する必要がある。 SCALE(アクター・クリティカル・フレームワーク)は,従来のリターン推定を,最終的なタスク成功の明示的な予測で強化する。
  論文  参考訳（メタデータ） (2026-10-20T04:40:33Z)
• AlphaDiana: A Measurement System for Agents in Verifiable Reasoning Tasks [70.52860945958031]
  我々は、データセット、エージェント、環境、スコアラーの計測システムであるAlphaDianaを紹介する。 5つの回答ベースベンチマークで3つのオープンソースモデルと3つのオープンソースハーネスについて検討する。 ハーネスは推論の精度を常に改善しないことがわかった。
  論文  参考訳（メタデータ） (2026-10-14T14:04:48Z)
• FIERCE: From Generalist Robot Policies to Fast Specialists via Progress-Failure Feedback [32.98143466079881]
  汎用的なロボットポリシーは役に立つが、限定的な物理的相互作用を通じてコンパクトなスペシャリストを磨き直すには、情報的学習のフィードバックが必要である。 FIERCEは,タスク適応型プログレッシブ・フェール評価器を統合化した汎用的な強化学習フレームワークである。 この評価は、フィードバック品質、ポリシー学習効率、シミュレーション全体にわたるデプロイメントコストと2つのコンタクトリッチな実際のタスクを分離する。
  論文  参考訳（メタデータ） (2026-09-16T13:34:08Z)
• MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
  ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。 MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。 長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
  論文  参考訳（メタデータ） (2026-07-14T15:33:44Z)
• AgentCL: Toward Rigorous Evaluation of Continual Learning in Language Agents [30.801952443449633]
  継続的な学習は、エージェントが一連のタスクに再利用可能な経験を蓄積し、時間とともに改善し、無関係な経験からの干渉を避けることを期待する。 ほとんどの取り組みは、長いコンテキストの会話やドキュメントに対する検索と推論に重点を置いているが、最近の長命適応ベンチマークは、しばしば単純なタスクストリームに依存している。 本稿では、制御されたタスクストリームと転送利得のメトリクスに着目した連続学習エージェントのための評価フレームワークAgentCLを提案する。
  論文  参考訳（メタデータ） (2026-06-01T16:32:59Z)
• FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation [73.22935457705057]
  時間的動的文脈における再ランカ評価のためのベンチマークであるFRESCOを紹介する。 レクエンシ検索クエリと過去のウィキペディアのリビジョンを組み合わせることで、FRESCOは、セマンティックな関連性を維持しながら、リランカが事実として最新の証拠を優先順位付けできるかどうかをテストする。 我々の評価では、既存の再ランカ間で一貫した障害モードが明らかになっている。
  論文  参考訳（メタデータ） (2026-04-14T17:04:25Z)
• How Memory Management Impacts LLM Agents: An Empirical Study of Experience-Following Behavior [65.70584076918679]
  メモリは、大きな言語モデル(LLM)ベースのエージェントにおいて重要なコンポーネントである。 本稿では,メモリ管理の選択がLLMエージェントの行動,特に長期的パフォーマンスに与える影響について検討する。
  論文  参考訳（メタデータ） (2025-05-21T22:35:01Z)
• Composite Learning for Robust and Effective Dense Predictions [81.2055761433725]
  マルチタスク学習は、目標タスクを補助タスクと協調的に最適化することで、より優れたモデル一般化を約束する。 自己監督型(補助的)タスクと密接な予測(目標)タスクを共同でトレーニングすることで、目標タスクの性能を継続的に向上し、補助タスクのラベル付けの必要性を排除できることが判明した。
  論文  参考訳（メタデータ） (2022-10-13T17:59:16Z)
• Consistency is the key to further mitigating catastrophic forgetting in continual learning [14.674494335647841]
  Experience Replay (ER) は低バッファ状態と長いタスクシーケンスではうまく動作しない。 ソフトターゲットの予測における一貫性は、ERが以前のタスクに関連する情報を保存するのに役立つ。 自己教師付きプレテキストタスクとして整合性正規化をキャストすることを提案する。
  論文  参考訳（メタデータ） (2022-07-11T16:44:49Z)

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。