XNews

Hindsight: エージェントメモリアーキテクチャ(論文とオープンソース)

Hindsight: エージェントメモリアーキテクチャ(論文とオープンソース)

Hindsightは、推論基盤として使用されるメモリアーキテクチャを提案します。 - 論文とオープンソースプロジェクトが発表され、リンクが提供されています。 - メモリは単なるストレージではなく、推論の基盤として扱われます。 - 四つの論理的メモリネットワーク:世界の事実、エージェントの経験、エンティティの要約、進化する信念。 - 定義された三つのコア操作:保持、想起、反映。 - 保持:四つのネットワークに新しい情報を追加するためのルール。 - 想起:必要に応じて関連するメモリセグメントを正確に取得。 - 反映:信念を更新し、誤りを修正するためにメモリを積極的に推論。 - 報告されたベンチマーク:投稿で引用されたLongMemEvalでの91.4%。 - Hindsightは、投稿によると長期的なタスクにおいて一部のフルコンテキストLLMを上回ります。 - オープンソースリポジトリとプロジェクト構造が参照されています(DeepWikiリンク)。

Key insights

Hindsightがメモリを推論基盤として再構築

Hindsightはエージェントメモリを受動的なストレージから能動的な推論基盤に再構築し、情報を四つの論理的ネットワークに整理します:世界の事実(客観的知識)、エージェントの経験(エージェントの行動とログ)、複合エンティティの要約(人、物、イベントの要約)、進化する信念(時間とともに更新される動的判断)。このアーキテクチャは、情報がどのように保存され、取得され、積極的に再評価されるかを管理するために、保持、想起、反映という明示的な操作を定義しています。プロジェクトは公開されており、そのモジュラー構造のドキュメントがオープンソースとして利用可能です。

反映が能動的な信念修正として実装

Hindsightの最も特徴的なメカニズムは反映です:システムは定期的にメモリストアを推論し、古くなった信念を更新し、誤った推論を修正し、要約を洗練します。反映は、単に新しい証拠を追加するのではなく、保存された信念を変更する能動的なプロセスとして説明されています。この論文は、この機能がエージェントに既存のメモリ表現を修正することで「失敗から学ぶ」ことを可能にすることを強調しています。

保持と想起のメカニズムが別々に指定

アーキテクチャは、新しい情報が特定のメモリネットワークにどのように組み込まれるかを決定する保持ポリシーと、関連するメモリフラグメントがどのように、いつ取得されるかを決定する想起メカニズムを分離しています。投稿では、四つのネットワークへの配置を決定する保持ルールと、タスクコンテキストでの正確な取得を目的とした想起方法が説明されており、単純なメモリストレージアプローチで観察される証拠推論の混乱を軽減しています。

ベンチマークとオープンソースリリースの報告

投稿では、LongMemEvalでの91.4%の精度を含む実験結果が報告されており、Hindsightは長期的なタスクにおいてGPT-4oのようなフルコンテキストモデルをも上回ると主張されています。プロジェクトのコードベースとDeepWikiの概要がオープンソース発表にリンクされています。

Source posts