論文の概要: MemRole: From Memories to Decisions for Long-Horizon Reasoning in Role-Playing Agents

• arxiv url: http://arxiv.org/abs/2611.01778v1
• Date: Sun, 01 Nov 2026 10:33:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.498333
• Title: MemRole: From Memories to Decisions for Long-Horizon Reasoning in Role-Playing Agents
• Title（参考訳）: MemRole:ロールプレイングエージェントにおけるロングホライゾン推論のための記憶から決定へ
• Abstract要約: 本稿ではメモリ・ツー・意思決定プロセスを明確にするフレームワークであるMemRoleを提案する。 コンテキスト理解に隠された推論を分解する推論スキーマであるLHMT(Long-Horizon Memory Thinking)を導入している。 MemRole-32Bは、メモリ上のロールプレイングにおいて、バックボーンを15.2ポイント改善した。
• 参考スコア（独自算出の注目度）: 15.923328695608262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LLM-based role-playing agents are fluent at imitating a character's style, yet struggle to make role-consistent decisions over long narrative horizons. Such decisions are shaped by experiences spanning many prior scenes, which are often partial and may point in different directions. Existing methods inject cross-scene memories as context, but do not reason about how past events shape a character's current motivations and behavior. We propose MemRole, a framework that makes this memory-to-decision process explicit. It introduces Long-Horizon Memory Thinking (LHMT), a reasoning schema that decomposes hidden reasoning into context understanding, memory activation, and response strategy planning, trained on a novel-derived dataset whose character-grounded, timeline-constrained memory pools limit each character to what it could plausibly know at the current narrative point. Beyond supervised fine-tuning, we propose Self-Refining On-Policy Self-Distillation (SR-OPSD): the model critiques its own rollouts against the reference under a data-driven rubric, and a critique-conditioned teacher view of the same model distills token-level guidance back into the policy. MemRole-32B improves over its backbone by 15.2 points on memory-grounded role-playing, performs on par with frontier LLMs such as GPT-5.4, and achieves the best character-motivation recognition accuracy on CroSS-MR.
• Abstract（参考訳）: LLMをベースとしたロールプレイングエージェントはキャラクターのスタイルを模倣することに精通しているが、長い物語の地平線上でロールプレイントな決定を下すのに苦労している。 このような決定は、多くの先行シーンにまたがる経験によって形成され、しばしば部分的であり、異なる方向に向けられる。 既存の方法はクロスシーン記憶を文脈として注入するが、過去の出来事がキャラクターの現在のモチベーションや振る舞いをいかに形作るかは説明できない。 本稿では,メモリ・ツー・意思決定プロセスを明確にするフレームワークであるMemRoleを提案する。 隠れた推論をコンテキスト理解、メモリアクティベーション、レスポンス戦略計画に分解する推論スキーマであるLHMT(Long-Horizon Memory Thinking)を導入する。 教師付き微調整の他に,データ駆動型ルーリックの下で,自己精製型自己蒸留(SR-OPSD)を提案する。 MemRole-32Bは、メモリ上のロールプレイングで15.2ポイント向上し、GPT-5.4のようなフロンティアLCMと同等に動作し、CroSS-MR上で最高の文字モチベーション認識精度を実現する。

関連論文リスト

• Memory-Centric Continual Learning for AI Agents [74.6399383050059]
  メモリ中心連続学習(Memory-Centric Continual Learning)は、メモリが取得するものだけでなく、将来のアクションを改善するかどうかによって判断されるべきである、と論じている。 MCCLには3つの主要な部分がある。まず3軸分類法は、状態が保存されている場所(サブストレート)、どのような形(アセット)、どのように管理されているかによってメモリを整理する。 第2に、評価プロトコルは、単純なコンテキスト展開から真の行動的利得を分離するための干渉、変化への適応、タスク転送の下での保持を測定する。
  論文  参考訳（メタデータ） (2026-10-21T07:49:42Z)
• MemChain: Learning Interpretable Memory Traces for Memory-Augmented LLM Agents [26.87993979719045]
  メモリ拡張LDMエージェントは通常、関連するメモリを検索し、直接回答モデルに入力することでクエリに応答する。 提案するMemChainは、検索した候補を応答対応アクティブメモリに変換する訓練後のメモリポリシーである。 MemChainは、クローズドソースとオープンウェイトフリートの両方の解答モデルにおいて、最先端のパフォーマンスを一貫して達成していることを示す。
  論文  参考訳（メタデータ） (2026-07-27T07:37:43Z)
• Staying In Character: Perspective-Bounded Memory For Book-Based Role-Playing Agents [5.808135444478086]
  本論文では,書籍ベースの文字エージェントのための3層メモリアーキテクチャであるREVERIEMEMを提案する。 エピソード層は、第一人物のシーン記憶を記憶し、セマンティック層は、可視的タグ付けされた事実を記憶し、パーソナリティ層は、状況に依存した音声および行動パターンを記憶する。 評価のために,知識境界をテストする8つのノベルに対して,KBF-QA,4,386のクエクションベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-06-24T09:37:49Z)
• Memory Makes the Difference: Evaluating How Different Memory Roles Shape Conversational Agents [46.28019301802407]
  本稿では,会話記憶の微粒な分類,検索した記憶を異なる役割タイプに分類し,ユーザ中心評価フレームワークを設計する。 記憶の明瞭化は、応答の事実的正確さと制約意識を改善し、それらをより正確かつパーソナライズする。 これらの発見は、フロンティアLSMの力にもかかわらず、よりパーソナライズされた応答を生成するために、異なるメモリタイプをどのように活用できるかを明かした。
  論文  参考訳（メタデータ） (2026-06-24T03:45:45Z)
• From Facts to Insights: A Persona-Driven Dual Memory Framework and Dataset for Role-Playing Agents [50.66268133366637]
  現在のシステムはペルソナに依存しない要約に依存しており、ペルソナ固有の解釈なしで事実を記録する。 RoleMemoは4つの推論タスクを備えたデータセットで、実際の断片をペルソナを通して解釈して正しい回答を得る必要がある。 本稿では,記憶を2つのストリームに分解するDualMemを提案する。
  論文  参考訳（メタデータ） (2026-05-25T10:48:24Z)
• PsyMem: Fine-grained psychological alignment and Explicit Memory Control for Advanced Role-Playing LLMs [11.960470088030968]
  PsyMemは、きめ細かい心理的属性と、ロールプレイングのための明示的なメモリ制御を統合する新しいフレームワークである。 Qwen2.5-7B-Instructを特別に設計したデータセットでトレーニングすることで、PsyMem-Qwenはロールプレイングにおいてベースラインモデルより優れています。
  論文  参考訳（メタデータ） (2025-05-19T07:45:09Z)
• In Prospect and Retrospect: Reflective Memory Management for Long-term Personalized Dialogue Agents [70.12342024019044]
  大規模言語モデル(LLM)は、オープンエンド対話において大きな進歩を遂げているが、関連する情報の保持と取得ができないため、その有効性は制限されている。 本稿では,長期対話エージェントのための新しいメカニズムであるリフレクティブメモリ管理(RMM)を提案する。 RMMは、LongMemEvalデータセットのメモリ管理なしでベースラインよりも10%以上精度が向上している。
  論文  参考訳（メタデータ） (2025-03-11T04:15:52Z)
• Reason for Future, Act for Now: A Principled Framework for Autonomous LLM Agents with Provable Sample Efficiency [53.8779374188643]
  本稿では,推論と行動のオーケストレーションを行うための,証明可能な後悔の保証を備えた原則的枠組みを提案する。 具体的には、メモリバッファから学習する推論のためのプロンプトテンプレートを設計し、長い水平線上で将来の軌道を計画する。 各ステップにおいて、LLMエージェントは計画された軌跡の初期動作("act for now")を受け取り、収集したフィードバックをメモリバッファに格納し、推論ルーチンを再起動して、将来の軌跡を新しい状態から再設計する。
  論文  参考訳（メタデータ） (2023-09-29T16:36:39Z)

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。