AI・機械学習
Zero-Mem: LLMエージェントのためのゼロトークンメモリ操作
Zero-Mem: Zero-Token Memory Operations for LLM Agents (arxiv.org)
要約
LLMエージェントは長期間の一貫した動作のためにメモリを必要としますが、多くのシステムではメモリ操作にLLMの追加呼び出しを使用しており、これがトークンと時間のコストを増加させています。本研究では、構造化されたメモリアクセスに生成が必要かどうかという問いに対し、Zero-Memという手法を提案します。Zero-Memは、最終的な質問応答以外のステップでLLMを呼び出さず、トークンを消費しない「ゼロトークンメモリ操作」を導入します。これにより、メモリ操作の時間を57.6%削減しつつ、競争力のある性能を達成します。
全文翻訳
LLMエージェントは、長期間にわたる一貫した対話のためにメモリを必要としますが、多くのシステムではそのメモリを操作するために追加のLLM呼び出しを使用しています。中間レコードの生成とそれらの検索の仲介は、繰り返し発生するトークンと時間のコストを増加させ、省略またはマージされた詳細は元の証拠を不明瞭にする可能性があります。構造化されたメモリアクセスが生成を必要とするのかどうかを問います。Zero-Memは、最終的な質問応答以外のステップでLLMを呼び出さず、LLMの入出力トークンを消費しない「ゼロトークンメモリ操作」を導入します。エンコーダー計算は別途考慮されます。Zero-Memは、元の対話トレースを記録ソースとして保持します。トレースは2つの補完的な方法で整理されます。エンティティ--コンテキストグラフは、対話間の接続を公開し、時間階層は会話の局所性とセッション状態を保持します。各クエリに対して、Zero-Memは2つのビューの重みを付け、両方から検索し、それらの構造に従ってサポート関係または周囲のコンテキストを回復します。決定論的なキャリブレーションが最初に競合する証拠を破棄し、次にリーダーの回答が取得されたトレースに根ざしていることを確認します。最終的なQAリーダーのみがLLMを呼び出します。長メモリおよび長コンテキストの質問応答ベンチマーク全体で、Zero-Memは競争力のあるパフォーマンスを達成しながら、メモリ操作からのLLM呼び出しとLLMトークン消費を排除します。同じ最終QAリーダーとコンテキスト予算で、最速の比較ベースラインと比較して、メモリ操作の時間コストを57.6%削減します。アブレーションスタディは、2つのビューとそのクエリ依存の調整の貢献を支持します。全体として、結果は、構造化されたエージェントメモリが過去の中間表現を生成する必要はないことを示しています。ピアレビュー後、コードと実装の詳細は、このURLで利用可能になります。主題：計算と言語（cs.CL）引用：arXiv:2607.29377 [cs.CL]（またはこのバージョンのarXiv:2607.29377v1 [cs.CL]）https://doi.org/10.48550/arXiv.2607.29377 データサイト経由のarXiv発行DOI（登録保留中）提出履歴Yilin Xiaoから[メールを表示] [v1] 2026年7月31日（金）13:01:06 UTC（414 KB）全文リンク：論文を見る：Yilin Xiaoら10名の著者による論文Zero-Mem: Zero-Token Memory Operations for LLM AgentsのPDFを見るPDFHTML（実験的）TeXソース表示ライセンス現在のブラウズコンテキスト：cs.CL < 前 | 次 > 新しい | 最近 | 2026-07のブラウズに変更：cs 参考文献と引用NASA ADSGoogle Scholar Semantic ScholarエクスポートBibTeX引用読み込み中...BibTeX形式の引用×読み込み中...提供データ：ブックマーク文献ツール文献および引用ツール文献エクスプローラー文献エクスプローラーを切り替える（エクスプローラーとは？）関連論文を切り替える（関連論文とは？）Litmapsを切り替える（Litmapsとは？）scite.aiを切り替える（Smart Citationsとは？）コード、データ、メディアこの論文に関連するコード、データ、メディアalphaXivを切り替える（alphaXivとは？）コードへのリンクコードファインダー（CatalyzeXとは？）DagsHubを切り替える（DagsHubとは？）GotitPubを切り替える（GotitPubとは？）Huggingfaceを切り替える（Huggingfaceとは？）ScienceCastを切り替える（ScienceCastとは？）デモデモReplicateを切り替える（Replicateとは？）Spacesを切り替える（Hugging Face Spacesとは？）Spacesを切り替える（TXYZ.AIとは？）関連論文レコメンダーおよび検索ツール影響力フラワーへのリンク影響力フラワー（影響力フラワーとは？）コアレコメンダーを切り替える（CORE Recommenderとは？）著者会場機関トピックarXivLabsについてarXivLabs：コミュニティ協力者との実験プロジェクトarXivLabsは、協力者が新しいarXiv機能を直接ウェブサイトで開発および共有できるフレームワークです。arXivLabsと協力する個人および組織は、オープンネス、コミュニティ、卓越性、ユーザーデータプライバシーという私たちの価値観を受け入れ、受け入れています。arXivはこれらの価値観にコミットしており、それらを遵守するパートナーとのみ協力します。arXivコミュニティに価値をもたらすプロジェクトのアイデアがありますか？arXivLabsについて詳しく知るこの論文の著者は誰ですか？| MathJaxを無効にする（MathJaxとは？）