ステートレスな意思決定メモリ：エンタープライズAIエージェント向け

arXiv cs.AI / 2026/4/23

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、規制下のエンタープライズ環境では決定的リプレイ、監査可能な根拠、多テナント分離、そしてステートレス性といった「負荷のかかる（load-bearing）」要件が重要であり、これがステートフルなメモリアーキテクチャを不適切にする理由だと主張しています。
提案手法は Deterministic Projection Memory（DPM）で、追記のみのイベントログと、意思決定時にタスク条件付けされたプロジェクションを用いることでステートレス性の利点を得ます。
メモリ予算を変えた10件の規制対象の意思決定ケースで、DPMは高い予算では要約ベースのメモリに匹敵する一方、メモリが厳しいときには事実精度と推論の一貫性を大きく改善したと報告されています。
DPMは、意思決定時に必要なLLM呼び出しを1回に抑えることで（要約はN回）、拘束される予算下で7〜15倍速いとされています。また、決定性と監査の範囲も「線形にスケール」し、積み重なって悪化しにくいと述べています。
著者らは、アーキテクチャ選定のための実務向けヒューリスティックTAMSと、ステートフルなメモリが実運用の条件で直面しうる失敗分析も提示しています。