論文の概要: KITE: Retrieval as a Decision Procedure for Long-Term Conversational Memory
- arxiv url: http://arxiv.org/abs/2610.41521v1
- Date: Fri, 30 Oct 2026 10:11:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.680356
- Title: KITE: Retrieval as a Decision Procedure for Long-Term Conversational Memory
- Title（参考訳）: KITE:長期会話記憶のための決定手順としての検索
- Abstract要約: KITE(Knowledge-Indexed Temporal Evidence)は、メモリ再帰を明示的な決定手順として定式化するベクトルフリーなフレームワークである。
LoCoMo と LongMemEval-S の実験では、KITE は 93.5% と 86.4% の精度を達成している。
- 参考スコア（独自算出の注目度）: 6.341231909427495
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many long-term memory systems for LLM agents are built around embedding-based retrieval. Al- though effective for semantic matching, similarity ranking alone does not establish whether re- trieved memories satisfy the conditions implied by a question. In this paper, we introduce KITE (Knowledge-Indexed Temporal Evidence), a vector-free framework that formulates memory re- trieval as an explicit decision procedure. KITE organizes multi-session conversations as structured knowledge indexed by a governed topic vocabulary, which evolves through controlled expansion and consolidation. At query time, questions are compiled into inspectable retrieval plans over the same knowledge index that guides memory construction. The plans are then executed through fixed lookup and ranking operations, while sparse lexical retrieval recovers surface details omitted from the structured representation. Experiments on LoCoMo and LongMemEval-S show that KITE achieves 93.5% and 86.0% accuracy while using only about 1.6k reader-context tokens per ques- tion. These results demonstrate that conversational memory can move beyond similarity ranking by unifying memory construction and query compilation around a governed index, turning retrieval into an inspectable decision procedure for determining which evidence satisfies the question.
- Abstract（参考訳）: LLMエージェントの長期記憶システムは、埋め込みベースの検索を中心に構築されている。
Al-はセマンティックマッチングに有効であるが、類似度ランキングだけでは、再検索された記憶が質問によって示唆される条件を満たすかどうかを定めていない。
本稿では,メモリ再帰を明示的な決定手順として定式化するベクトルフリーなフレームワークであるKITE(Knowledge-Indexed Temporal Evidence)を紹介する。
KITEは、多セッション会話を、統制された話題語彙によってインデックス付けされた構造化された知識として整理し、制御された拡張と統合を通じて進化する。
クエリ時には、メモリ構築を導くのと同じ知識インデックス上で、質問を検査可能な検索計画にコンパイルする。
計画は、固定されたルックアップとランキング操作によって実行され、スパース語彙検索は、構造化された表現から省略された表面の詳細を復元する。
LoCoMo と LongMemEval-S の実験では、KITE は 93.5% と 86.0% の精度を達成している。
これらの結果は、メモリ構築とクエリコンパイルを管理インデックスにまとめ、検索を検査可能な決定手順に変換し、どのエビデンスに満足するかを判断することで、会話記憶が類似度ランキングを超えることができることを示している。
関連論文リスト
- Memory as Code: Declarative Retrieval over Codified Long-Term Memory [17.217850725271468]
長期記憶システムでは、メモリは相互作用履歴から構築され、クエリに応答して検索される。
共有コード抽象化によるメモリ構築と検索を共同で設計する統合メモリフレームワークであるメモリ・アズ・コード(MaC)を提案する。
論文 参考訳（メタデータ） (2026-10-20T06:17:51Z) - From Relevant Memories to Sufficient Evidence: Rethinking Memory Utilization in LLM Agents [29.610089495968662]
本稿では,クエリ固有のエビデンスセットの構築として,メモリ利用を再構築するフレームワークであるQEMemを提案する。
QEMemは3つの補完メカニズムを統合している。
QEMemはメモリ形成を変更せずに既存のメモリストアで動作し、Claude Opus 4.5でLoCoMo上で91.43%のLCM-judge精度を達成する。
論文 参考訳（メタデータ） (2026-10-15T21:34:17Z) - Test-Time Memory Construction [50.916768004131505]
大きな言語モデル(LLM)は、長いインタラクション履歴に関する質問に答えるのに苦労しています。
既存のメモリシステムは通常、ユーザクエリが観測される前に、オフラインで洗練されたメモリ表現を構築し維持する。
テスト時間メモリ構築フレームワークであるT$2$Memを提案する。
論文 参考訳（メタデータ） (2026-10-09T10:24:51Z) - Event-Centric Memory with Query-Aware Graph Augmentation for Long-Term Conversational Agents [51.804747364500344]
本稿では,人間の記憶を動機とした新しいメモリ構築とアクティベーションフレームワークQGMemを提案する。
QGMemは、長い対話履歴を個々の体験を保存するイベントインデックス化された原子記憶ユニットに変換する。
検索,マルチホップエビデンス構成,コンフリクト解決,コンパクトな文脈による超長文対話推論において,一貫した利得を示す。
論文 参考訳（メタデータ） (2026-10-08T13:17:59Z) - Relevance Is Not Sufficiency: What Actually Closes the Evidence Gap in Long-Term Memory QA [24.98142670509958]
BFR(Budgeted Flat Reconstruction)は、固定フラットメモリストア上に2段階で十分なセットを構築する。
BFRは、近年のエージェントメモリシステムにおいて、応答品質とエビデンスカバレッジの両方において、同じストア適応よりも優れています。
論文 参考訳（メタデータ） (2026-10-07T03:09:08Z) - Harness the Memory: A Holistic Evaluation of Memory Substrates in Memory Agents [97.19033877543522]
本稿では,メモリ拡張剤のメモリ基板の制御ハーネス評価について述べる。
統一されたハーネスの下で26のパフォーマンスと効率のメトリクスを計測する。
これらの知見は、アダプティブエージェントメモリシステムに必要なコンポーネントとして、基質ルーティングを動機付けている。
論文 参考訳（メタデータ） (2026-08-15T03:29:48Z) - CoEvo-Mem: Co-Evolving Retrieval Policy and Memory Bank for LLM Agents [12.963751758893594]
本稿では,検索ポリシとメモリバンクを併用するクローズドループフレームワークを提案する。
textbfCoEvo-Memは7つのベンチマークで最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-08-03T06:04:51Z) - 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) - DeferMem: Query-Time Evidence Distillation via Reinforcement Learning for Long-Term Memory QA [3.56156695760535]
大規模言語モデル(LLM)エージェントは、依然として長期記憶疑問応答に苦慮している。
本稿では,この問題をハイリコール候補検索とクエリ条件のエビデンス蒸留に分離する長期記憶フレームワークであるDederMemを紹介する。
LoCoMoとLongMemEval-Sでは、DeferMemはQAの精度とメモリシステムの効率性において強力なベースラインを超えている。
論文 参考訳（メタデータ） (2026-05-21T12:36:46Z) - AMA: Adaptive Memory via Multi-Agent Collaboration [54.490349689939166]
複数の粒度にまたがるメモリ管理に協調エージェントを活用する新しいフレームワークであるAMA(Adaptive Memory via Multi-Agent Collaboration)を提案する。
AMAは、ステート・オブ・ザ・アートのベースラインを著しく上回り、トークンの消費をフルコンテキストの手法と比べて約80%削減する。
論文 参考訳（メタデータ） (2026-01-28T08:09:49Z)
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。