論文の概要: Enhancing Local and Global Structure in Compressed AI Agent Memory
- arxiv url: http://arxiv.org/abs/2611.08341v1
- Date: Thu, 05 Nov 2026 17:27:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-07 04:55:13.598356
- Title: Enhancing Local and Global Structure in Compressed AI Agent Memory
- Title（参考訳）: 圧縮AIエージェントメモリにおける局所構造とグローバル構造の拡張
- Abstract要約: AIエージェントはテキストを埋め込みベクトルとして保存し、それらを大規模に圧縮する。
両端を2つのラベルのない忠実度で評価する。
我々は、$G$のバンド全体で、1-_k$は、最低でも2-2.18倍近いランク違反率の平方根であることを示す。
- 参考スコア（独自算出の注目度）: 3.731168012111834
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI agents store text as embedding vectors and compress them at scale. A compression is accepted when each item's nearest neighbors survive, but agents also consolidate, delete, and compare memories, tasks that depend on which items lie far apart. We evaluate both ends with two label-free fidelities from our prior work: the local fidelity $L$ at 10 neighbors and the global fidelity $G$ at 30 to 50 percent of the memory. At 96 bytes per passage, rescored binary codes reach an $L$ of 0.97 yet move 10.1 percent of passages to another theme; PCA with 8-bit codes, at an $L$ of 0.77, moves 1.7 percent. Rescoring leaves the stored codes, and thus $G$, unchanged. We prove that across the $G$ band, $1-ν_k$ is at most 2 to 2.18 times the square root of the near-far rank-violation rate, and that this rate follows the distance noise of the compression (correlation 0.979). Our locality-aware quantization (LAQ) turns the bound into a hinge objective on the codebooks of an OPQ index, keeping its bytes, rotation, and search. To our knowledge, LAQ is the first quantizer whose objective comes from a proven bound on the far end. Reconstruction alone raises $G$ in 0 of 52 held-out runs; the far hinge raises it in all 52. LAQ raises $G$ in all 52 ($p=8.5\times 10^{-4}$ over 13 memory-encoder groups), including the external FinDER memory, has the highest $G$ of seven equal-size quantizers in all 12 Multi-Doc-2025 runs, scales to a million passages, and keeps evidence recall.
- Abstract（参考訳）: AIエージェントはテキストを埋め込みベクトルとして保存し、それらを大規模に圧縮する。
各アイテムの最も近い隣人が生き残ると圧縮が受け入れられるが、エージェントはどのアイテムが遠くにあるかに依存するタスクである記憶を統合、削除、比較する。
両端を2つのラベルのない忠実度で評価する: ローカルな忠実度は10の隣人に$L$、グローバルな忠実度は30から50%のメモリに$G$である。
1回あたり96バイトで、復号されたバイナリコードは0.97ドルに達し、パスの10.1%が別のテーマに移動している。
Rescoringは保存されたコードを残し、$G$は変更しない。
我々は、G$バンド全体で、$-ν_k$は、遠距離のランク違反率の平方根の2倍から2.18倍であり、この値は圧縮の距離ノイズ(相関0.979)に従うことを証明した。
我々の局所性対応量子化(LAQ)は、その境界をOPQインデックスのコードブック上のヒンジ目標に変換し、そのバイト、ローテーション、検索を維持する。
我々の知る限りでは、LAQは遠端の証明された境界から目的を導いた最初の量子化器である。
レコンストラクションだけで52ラン中0ランで$G$を集めている。
LAQは外部のFinDERメモリを含む52(p=8.5)のメモリエンコーダ群でG$を調達し、12のMulti-Doc-2025ランで7つの等量化器のうち最高額のG$を持ち、100万パスまでスケールし、エビデンスをリコールする。
関連論文リスト
- Extreme Compression of Per-Layer Embeddings via Cross-Layer Latent Vector Quantization [73.31438661879197]
Gemma 4 E4B のパラメータの35.2%を占める Per-Layer Embeddings (PLE) の極端な圧縮について検討した。
このような速度で、従来の量化器は各トークン層ベクトルに数バイトの独自の符号を与える。
我々は,トークン毎に1つの量子化されたコードを格納し,それを各層でデコードするOPTIC-Output-Path-fited,Token-Shared Indexed Codesを開発した。
論文 参考訳（メタデータ） (2026-10-22T14:07:01Z) - HasMem: Hard-Origin Adaptively Softened Memory for Long-Term LLM Agents [21.47408873041601]
ハードオリジン適応軟化メモリ(HasMem)を提案する。
凍結した急激な埋め込みは、検証可能な初期状態を提供する。
500ドルのLongMemEval-Sの質問に対して、ローカルの語彙F1はハードリファレンスの3.4ドルから8.9ドルに上昇し、負のログ類似度(NLL)への答えは12.257ドルから5.274ドルになる。
論文 参考訳（メタデータ） (2026-09-25T04:22:05Z) - PARSER: Read in Parallel, Reason in Depth for Long-Context LLM Agents [85.82624962221026]
本稿では、読みを推論から切り離すPARSERを紹介する。
単一のチャンクにバインドされた軽量サブエージェントのバンクは、ドキュメント全体を並列に読み取る。
7Kから896Kまでのコンテキストを持つマルチホップQAでは、4Bバックボーンを持つPARSERが最強のシーケンシャルメモリベースラインを上回っている。
論文 参考訳（メタデータ） (2026-09-06T16:19:01Z) - Quantum Tanner Codes at Moderate Blocklength [0.0]
高いレートと距離を持つ量子タナー符号(QT)の明示的な構成を示す。
提示されたコードインスタンスは、チェックウェイトが9ドルから20ドルである。
オープンソースのJuliaライブラリであるQuantumExpanders.jlも提供しています。
論文 参考訳（メタデータ） (2026-08-12T18:37:15Z) - FuncCode: Compressing Kolmogorov--Arnold Networks in Function Space with Hardware-Aware Quantization [6.860988566886594]
我々は、サンプルエッジ応答から共有コードブックを形成するベース・ア・圧縮アプローチであるFuncCodeを紹介した。
スプラインとカンにまたがって、サンプル化されたエッジレスポンスは13$--$35%以下の有効ランクを示す。
圧縮後、エッジ単位のインデックスは保存された重みビットの99.4%の価格で表現を束縛する。
論文 参考訳（メタデータ） (2026-08-04T10:10:47Z) - Breaking the bicycle frame: Coset-based quantum LDPC codes [65.96089068176079]
2ブロック群代数 (2BGA) 符号の構成を一般化し、2ブロック量子LDPC符号の族を導入する。
パラメータが $[48,8,6]]$, $[96,8,10]]$, $[224,12,16]]$ である。
BP-OSDでデコードすると、BB符号と競合し、ウェイト6ファミリーは$approx0.65%、ウェイト8ファミリーは$approx0.35%となる。
論文 参考訳（メタデータ） (2026-06-15T20:20:57Z) - ZenBrain: A Neuroscience-Inspired 7-Layer Memory Architecture for Autonomous AI Systems [51.56484100374058]
LongMemEval-500では、ZenBrainは長いコンテキストのオラクルのバイナリ・ジャッジの精度を4.5pp以内と一致させる。
ZenBrainは7層の神経科学にインスパイアされたメモリアーキテクチャである。
論文 参考訳（メタデータ） (2026-04-26T20:39:19Z) - High-Girth Regular Quantum LDPC Codes from Affine-Coset Structures [0.0]
長さ512$CのCalderbank-Shor-Steane基底行列対から量子低密度パリティチェック符号群を構築する。
ベースペアは、既知のSPC(3)製品CSSコードと等価である。
論文 参考訳（メタデータ） (2026-04-22T17:59:08Z) - SSIP: automated surgery with quantum LDPC codes [55.2480439325792]
クビットCSSコード間の手術を自動化するための,オープンソースの軽量PythonパッケージであるSSIP(Identifying Pushouts)による安全手術について述べる。
ボンネットの下では、鎖複体の圏における普遍構成によって支配される$mathbbF$上の線型代数を実行する。
高い符号距離を犠牲にすることなく,手術によって様々な論理的測定を安価に行うことができることを示す。
論文 参考訳（メタデータ） (2024-07-12T16:50:01Z)
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。