Memory Intelligence Agent
arXiv cs.AI / 2026/4/7
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この記事では、LLMの推論に加えて外部ツールを用いるディープリサーチエージェント向けの新しい「Memory Intelligence Agent（MIA）」フレームワークを紹介し、メモリ活用をより効率的で進化可能にすることを目指している。
- MIAはManager-Planner-Executor（マネージャ・プランナー・エグゼキュータ）アーキテクチャを採用する。非パラメトリックなメモリマネージャが圧縮された過去の軌跡（トラジェクトリ）を保存し、プランナー（パラメトリックなメモリアジェント）が探索計画を生成し、エグゼキュータがその計画に従って探索と分析を行う。
- 先行するメモリ軌跡の取得アプローチの制約に対処するため、Planner–Executorの協調をより良くするための交互強化学習の仕組みを追加し、さらに推論時にプランナーがその場で進化するテストタイム学習を可能にしている。
- フレームワークは、パラメトリックメモリと非パラメトリックメモリの間を双方向に変換するループに加え、リフレクション（省察）と教師なしの判断を導入することで、メモリの進化をさらに改善し、オープンエンドな状況での推論と自己進化を支える。
- 計11のベンチマークにわたる実験では、MIAが既存手法より優れていると報告されており、長期経験に依存する、自律的でツールを使用するLLMエージェントにとっての有益性が示されている。
