論文の概要: SEAM: Situated Executable Associative Memory for a Co-located Community

• arxiv url: http://arxiv.org/abs/2611.04296v1
• Date: Tue, 03 Nov 2026 04:24:20 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:50:43.094273
• Title: SEAM: Situated Executable Associative Memory for a Co-located Community
• Title（参考訳）: SEAM: 共同場所のコミュニティのための実行可能な連想メモリ
• Abstract要約: 私たちは、コミュニティのために共有メモリを構築し、ソーシャルアプリSEAMとしてプロトタイプ化しています。 メンバーは任意の瞬間を投稿し、SEAMはフラグメントがどのように関係し、グループについての知識を蒸留し、位置的で連想的な方法で返信する。
• 参考スコア（独自算出の注目度）: 10.703247594040528
• License:
• Abstract: In groups, knowledge is distributed among individuals, and how it is brought together depends on social ties. Taking inspiration from how a single mind recalls and reacts to memories and current stimulus, we build a shared memory that does this for a community, prototyped as a social app, SEAM. Members post arbitrary moments; SEAM works out how fragments relate, distills knowledge about the group, and replies in a situated and associative way. Some of these memories act as instructions that can alter how the system behaves, making it programmable by its members. We deployed SEAM to 46 people in a co-located community for two weeks of open-ended use, and ran a follow-up workshop with 14. Members shared their days, interrogated the memory, and instructed it to track routines and run games; replies introduced them to people and subjects they had never encountered. SEAM points towards communities where knowledge finds people.
• Abstract（参考訳）: 集団では、知識は個人に分散し、どのようにまとめられるかは、社会的結びつきに依存する。 ひとつの心が思い出を呼び起こし、現在の刺激に反応する方法からインスピレーションを得て、コミュニティのために共有メモリを構築し、ソーシャルアプリSEAMとしてプロトタイプ化します。 メンバーは任意の瞬間を投稿し、SEAMはフラグメントがどのように関係し、グループについての知識を蒸留し、位置的で連想的な方法で返信する。 これらの記憶の一部は、システムがどのように振る舞うかを変更できる命令として機能し、メンバーによってプログラム可能である。 オープンエンドで2週間,共同場所のコミュニティに46名にSEAMをデプロイしました。 メンバーは日々を共有し、記憶を尋問し、ルーチンを追跡してゲームを実行するように指示した。 SEAMは知識が人を見つけるコミュニティを指しています。

関連論文リスト

• One Assistant, Many Memories: Benchmarking Real-World Group Assistance When Recall Is Not Enough [47.25944259745993]
  GroupAssistBenchは、デプロイされたグループアシスタントとの実際のグループ会話からの最初のメモリベンチマークである。 単一の、分散された、競合するメモリにまたがる固定された回答なしで、参照応答とメモリ使用によるメモリリコールを評価する。
  論文  参考訳（メタデータ） (2026-11-03T13:23:37Z)
• SENRI: Understanding the Space-Event Nexus in Real-Life Videos [62.579359006599326]
  SENRIは、長い、連続した実生活のエゴセントリックなビデオの中で、宇宙空間の接続を研究するタスクである。 Event$rightarrow$Spaceはイベントキューから空間的知識を回復し、Space$rightarrow$Eventはリージョンとトラジェクトリからイベントを検索する。 我々はSENRI-Benchを構築し、約25.3時間のコンテンツを持つ10の未中断の自己記録ビデオに500の注釈付き複数選択質問を含む。
  論文  参考訳（メタデータ） (2026-10-18T14:41:41Z)
• CoMem: Collective-Individual Memory Synergy for Evolutionary Multi-Agent Systems [24.033295527737636]
  CoMemは、プライベートエクスペリエンスとマルチエージェント学習のための知識を共有するアーキテクチャである。 プライベート・エクスペリエンス・セディメンテーション(Private Experience Sedimentation)では、各エージェントが、時間とともに自分自身の有用な記憶を保存、更新することができる。 集合的な知恵のキュレーションは、エージェント間で共有される広く証明されたアイデアのみを選択する。 Parallel Dual-Stream Retrievalは、エージェントが自身の記憶とグループの知恵の両方を描画することを可能にする。
  論文  参考訳（メタデータ） (2026-09-14T04:15:55Z)
• Ephemeral Feeds and Enduring Rituals: RushTok and the Formation of Event-Based Algorithmic Communities [4.233590639227564]
  イベントベースのアルゴリズムコミュニティとしてRushTokを検討する。 発見は曖昧でエンターテイメントをベースとしたアウトラインを示す。 プラットフォームガバナンスの意義について概説する。
  論文  参考訳（メタデータ） (2026-09-08T18:17:35Z)
• GROVE: Growing and Reasoning over Temporally Stratified Memory from Streaming Video Experience [67.55136435794206]
  ウェアラブルアシスタントは、その視覚的履歴に関する質問に答え、その歴史が現在の状況に有効であるかどうかを認識する。 GROVEは、連続的なビデオストリームから慎重に成長した1つのメモリで両方の動作をサポートする、トレーニング不要のフレームワークである。 GROVEは、きめ細かい知覚的証拠を保持し、それをタイムスタンプ化された瞬間、一貫性のあるエピソード、そして日々のパターンに漸進的に統合する。
  論文  参考訳（メタデータ） (2026-08-03T15:35:28Z)
• Social Hippocampus Memory Learning [54.381608978482184]
  SoHipはメモリ中心のソーシャル機械学習フレームワークだ。 モデル共有ではなく、メモリ共有を通じて異種エージェント間の協調を可能にする。 7つのベースラインを持つ2つのベンチマークデータセットの実験は、SoHipが既存のメソッドを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-03-26T16:31:00Z)
• Ella: Embodied Social Agents with Lifelong Memory [41.283466782695434]
  オープンな3次元世界において,コミュニティ内での生涯学習が可能なエンボディ型ソーシャルエージェントであるEllaを紹介した。 Ellaの機能の中核は、情報を格納し、マルチモーダルし、取得する構造化された長期記憶システムである。 我々は、15人のエージェントが何日も社会活動に従事しているダイナミックな3Dオープンな世界で能力指向の評価を行う。
  論文  参考訳（メタデータ） (2025-06-30T16:22:51Z)
• Introducing MeMo: A Multimodal Dataset for Memory Modelling in Multiparty Conversations [1.8896253910986929]
  MeMo Corpusは参加者のメモリ保持レポートに注釈を付けた最初のデータセットである。 検証された振る舞いと知覚の計測、オーディオ、ビデオ、マルチモーダルアノテーションを統合する。 本稿では,知的システム開発のための対話型メモリモデリングにおける今後の研究の道を開くことを目的とする。
  論文  参考訳（メタデータ） (2024-09-07T16:09:36Z)
• Self-Attentive Associative Memory [69.40038844695917]
  我々は、個々の体験(記憶)とその発生する関係(関連記憶)の記憶を分離することを提案する。 機械学習タスクの多様性において,提案した2メモリモデルと競合する結果が得られる。
  論文  参考訳（メタデータ） (2020-02-10T03:27:48Z)

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。