メモリ・コンテキスト

VoiceMemは、双方向音声言語モデル向けに、情報記憶と感情・ペルソナ記憶を分離したストリーミング記憶アーキテクチャを提案します。

AnthropicはClaudeのチャットとCoworkで記憶システムを統合する。会話で整理したプロジェクトの背景を、実行段階でも引き継げるようになる。

多くを記憶すれば、必ずしも現在の課題をより正確に解けるわけではない。MemTrapBenchは、呼び出された記憶が推論や判断を歪める2種類の認知トラップを評価する。

多様な記憶方式を同一条件で比較した研究は、最適な記憶基盤がタスク、履歴の長さ、運用コストによって変わることを示した。単一方式の採用より、状況に応じた記憶ルーティングが重要になる。

OpenAIはmacOS版ChatGPTデスクトップアプリに、クリックや入力などの操作履歴をAIが参照できるComputer Historyを追加する。スクリーンショットは保存しないとされるが、個人の作業履歴をAIに渡すことへの慎重な検討は欠かせない。

AMD は、強い教師エージェントの成功軌跡を階層的な記憶として整理し、小型LLMに渡すことで道具利用タスクを改善する発想だ。再学習ではなく、再利用しやすい経験の圧縮に焦点を当てている。

新しい論文は、ALiBi の線形バイアスが浮動小数点精度でアンダーフローし、多くの注意重みをゼロにしてしまう失敗モードを指摘している。その結果、一部の注意ヘッドは遠いトークンを事実上読めなくなる。

新しい論文は、セッションをまたいだ個人化された曖昧性適応を、コーディング支援AIの評価課題として定義した。過去に解決済みの会話履歴を使い、同じユーザーの曖昧な依頼を少ない確認で処理できるかを問う。

この論文は Memory Decoder を 6.9B パラメータ、300B token の事前学習規模まで拡張し、小さな推論バックボーンと大きな記憶モジュールの組み合わせを検証している。

Metis は、AI エージェントの記憶を外部検索やプロンプト構築から、モデル内部の持続的な状態へ移す「記憶基盤モデル」を提案する。履歴をコンパクトな状態に圧縮し、後続の計算で直接利用できる点が特徴だ。

CodeNib は、コーディングエージェントが同じリポジトリを何度も探索してしまう問題に取り組む。各コミットに対して語彙・ベクトル・構造の複数ビューを作り、検索、シンボルナビゲーション、制限付きコンテキストを単一ランタイムで提供する。

この論文は Agentic Context Management（ACM）を提案し、本番環境のエージェント失敗の多くは推論能力ではなく、推論コンテキストの管理不全にあると論じている。

ReflectWorld-MM は、連続する動画の中で誰が何度現れ、何が変わったのかを、実体単位で記憶することを狙った研究です。動画を切り出して保存する発想から、世界の出来事を整理して覚える発想へと移っています。

長い文脈を扱うとき、重要なのは量ではなく取捨選択です。SWE-Pruner Pro は、ツール出力の保持・削除を外部分類器ではなくモデル内部の表現に任せます。

RecGPT-V3 は、ユーザー記憶、Semantic IDs による商品 grounding、潜在トークンによる効率的推論を組み合わせた産業向け LLM 推薦システムです。淘宝の「Guess What You Like」フィードで、GMV +3.97% と serving リソース消費 52.4% 削減が報告されています。

xHC は、Hyper-Connections を N=4 の壁の先へ進め、残差ストリーム幅を大規模言語モデルの新しいスケーリング軸として扱う研究です。N=16 の状態を保ちながら一部のストリームだけを更新することで、性能向上と計算コスト抑制の両立を狙います。

新しい論文は、検証済みの知識をバイト単位で一致する KV Cache 状態として保存し、後の推論に接ぎ木する方法を提案している。繰り返し問題では大きな効率化を示す一方、再現性と能力向上の解釈には注意が必要だ。

arXiv の新論文は、注意重みに基づく KV Cache 退避が、ネストした JSON のような構造密度の高い入力で構造トークンを過剰に保持する可能性を示した。著者は、再学習なしで使えるロール条件付きの補正手法を提案している。

arXiv の新論文は、継続的な個人健康支援を目的とするオープンソースのエージェント基盤 HealthClaw を提案している。各質問を単発で扱うのではなく、生活習慣、嗜好、測定値、リスクの変化に応じて私的メモリを更新する点が特徴だ。