FSFM：エージェントのメモリを選択的に忘却するための生物学に着想を得たフレームワーク

要旨: LLMエージェントにおいて、メモリ管理は効率、品質、セキュリティに重大な影響を与える。多くの研究が保持（レテンション）に焦点を当てている一方で、人間の認知プロセス（海馬のインデキシング／固定化理論およびエビングハウスの忘却曲線）に触発された選択的忘却は、十分に探究されていない。われわれは、資源が制約された環境では、よく設計された忘却メカニズムが「記憶すること」と同じくらい重要であり、三つの次元すべてにわたって利点をもたらすと主張する: (1) 賢明なメモリ剪定による効率、(2) 時代遅れの嗜好やコンテキストを動的に更新することによる品質、(3) 悪意ある入力、機密データ、プライバシーを損なうコンテンツを積極的に忘却することによるセキュリティ。われわれの枠組みは、忘却メカニズムの分類（タクソノミー）を確立する: 待機的減衰ベース、能動的削除ベース、安全トリガー起動型、適応的強化ベースである。LLMエージェントのアーキテクチャとベクトルデータベースの進展を踏まえ、制御された実験による詳細な仕様、実装戦略、そして実証的検証を提示する。結果は大幅な改善を示している: アクセス効率（+8.49%）、コンテンツ品質（+29.2% の信号対雑音比）、セキュリティ性能（セキュリティリスクの100%排除）。われわれの研究は、認知神経科学とAIシステムを橋渡しし、倫理および規制順守に対処しながら、現実世界への実運用に向けた実践的な解決策を提供する。論文は、課題と今後の方向性で締めくくられ、資源が制約された実環境で動作する次世代LLMエージェントにとっての基本能力として、選択的忘却が位置づけられる。われわれの貢献は、AIネイティブなメモリシステムと、責任あるAI開発の方向性に沿っている。