AdaMem: 長期スパンの対話エージェント向けの適応的でユーザー中心のメモリ

要旨: 大規模言語モデル（LLM）エージェントは、長期的な相互作用、個別化された支援、そして多段階推論を支えるために、外部メモリにますます依存しています。しかし、既存のメモリシステムにはまだ3つの主要な課題があります：意味的類似性に過度に依存することが多く、ユーザー中心の理解にとって決定的な証拠を見逃す可能性があります；関連する経験を孤立した断片として格納することが多く、時間的および因果的整合性を弱めます；そして通常、異なる質問の要件に適切に適応しない静的なメモリ粒度を使用します。 私たちは、長期対話エージェント向けの適応的なユーザー中心メモリフレームワークAdaMemを提案します。 AdaMemは、対話履歴を作業記憶、エピソード記憶、ペルソナ記憶、グラフ記憶の4つに整理し、最近の文脈、構造化された長期的な経験、安定したユーザー特性、そして関係性を考慮した接続を統一された枠組みの中で保存できるようにします。 推論時には、AdaMemはまず対象の参加者を特定し、次に意味的検索と関係性を認識したグラフ展開を組み合わせた質問条件付き検索経路を、必要に応じてのみ構築し、最後に証拠の統合と応答生成のための役割特化型パイプラインを通じて回答を生成します。 私たちは長期的推論とユーザーモデリングのための LoCoMo および PERSONAMEM ベンチマークで AdaMem を評価します。 実験結果は、 AdaMem が両方のベンチマークで最先端の性能を達成することを示しています。 コードは採択時に公開されます。