All-Mem: ダイナミックなトポロジー進化によるエージェント性を備えた生涯メモリ

要旨：生涯にわたる対話型エージェントは、数か月から数年にわたりユーザーを支援することが期待されており、固定された文脈とレイテンシ予算の下で新しい各クエリに対して適切な証拠を検索しつつ、長期記憶を継続的に書き込む必要がある。既存のメモリシステムは、履歴が増えるにつれてしばしば劣化し、冗長で時代遅れの、あるいはノイズの多い取得コンテキストを生み出す。私たちは All-Mem を提案する。オンライン/オフラインの生涯記憶フレームワークで、トポロジー構造のメモリバンクを明示的で非破壊的な統合を通じて維持し、要約ベースの圧縮に典型的な不可逆的な情報損失を回避する。オンライン動作では、粗い検索コストを有界に保つために、取得を有界な可視表面にアンカーする。定期的にオフラインで、LLMダイアグノーサーが信頼度スコア付きのトポロジー編集を提案し、ゲーティングとともに3つの演算子：SPLIT、MERGE、UPDATE を適用することで、追跡性のための不変の証拠を保持する。クエリ時には、型付きリンクがアクティブなアンカーから必要に応じてアーカイブ済み証拠へ、ホップ数を制限した予算内の拡張を可能にする。LOCOMO および LONGMEMEVAL の実験は、代表的なベースラインよりも取得と QA の性能が向上することを示している。