EvoMemState：パーソナルエージェントの記憶を状態中心へ

導入

パーソナルエージェントにとって、過去の発言を保存することは長期記憶の出発点にすぎません。ユーザーの好みは変化し、ある情報は特定の状況でしか成立せず、新しい発言が以前の内容を更新したり、矛盾したりすることもあります。記憶を独立した事実として保存するだけでは、正しい情報を検索できても、それを誤った場面で利用する可能性があります。

EvoMemStateは、この問題に対して、記憶を平坦な事実の集合ではなく、時間とともに変化する状態システムとして扱います。重要なのは、ユーザーが何を言ったかだけでなく、各記憶が互いにどう関係し、現在の依頼でどう使われるべきかを表すことです。

主なポイント

• 持続的事実と関係状態：まず比較的持続する事実を抽出し、オントロジーに基づいて有効性、適用範囲、更新、制約、矛盾などを記録します。古い好みが検索されたという理由だけで、新しい情報と同じ重みを持つことはありません。
• 依頼ごとの推論状態：EvoMemStateは現在の依頼に合わせてReasoning Stateを生成します。これにより、どの記憶が適用できるか、回答でどの役割を担うか、どの情報を優先するかを決めます。
• 強化学習による方策：過去のメモリ利用経験を強化学習によって方策に取り込み、記憶状態を進化させます。関連する説明では、回答モデルが毎回その場で記憶の使い方を決めるのではなく、独立した記憶状態進化モデルがこの判断を担う構成が示されています。
• 状態を考慮した推論：最終的な回答では、事実、関係状態、依頼に対応する推論状態を組み合わせます。単純なキーワード検索に起因する記憶の誤用を抑え、検索の完全性と記憶に基づく回答の正確性を高める狙いです。

意義と課題

EvoMemStateの意義は、記憶の維持と記憶の適用を分けて考えた点にあります。二つの好みが矛盾していると記録するだけでは不十分で、古い好みが置き換えられたのか、別の状況では有効なのか、あるいは好みの変化を説明する証拠として残すべきなのかを判断しなければなりません。反対に関係を保存しなければ、推論側が依頼のたびに断片的な事実から履歴を再構成する必要があります。

この設計は、「常に最新の発言を採用する」という単純なルールからエージェントを引き上げます。素材の説明では、長期対話とメモリ利用ベンチマークで既存方式を上回る結果が報告されています。MemSyco-Benchの説明された設定では、Qwen3-8B使用時に57.6%の精度を達成し、最も強いベースラインをおよそ12ポイント上回りました。今後はオントロジーの構築、関係の継続的な更新、未解決の矛盾の説明が課題になりますが、状態中心の記憶は、より一貫性があり制御しやすいエージェントへの有力な方向性です。

出典：Hugging Face Daily Papers