論文、エージェント記憶のための「Activity Frames」を提案
決定論的コンパイラが画面上の活動を、コンピュータ操作エージェント向けの監査可能なコンテキストへ変換する。
なぜ重要か
この研究は、コンピュータ操作エージェントにとって実務上のボトルネック、つまりユーザーがすでに示したルーティンを再構成するために推論を繰り返し消費する問題に取り組んでいる。決定論的な設計は監査可能性とキャッシュ活用も重視しており、企業向けのエージェント記憶システムでは重要になり得る。
要点
- 1.決定論的コンパイラが画面上の活動を型付きActivity Framesに変換する。
- 2.単一ユーザーテストで86倍の圧縮と98.4%の想起精度を示した。
- 3.記憶構築にモデル生成の要約を使わないアプローチ。
新しいarXiv論文は、受動的に取得した画面上の活動をエージェント記憶と再生用コンテキストにまとめる、決定論的でモデルを使わないパイプライン「Activity Frames」を説明している。このシステムは、ローカルのキャプチャストリームを、アプリケーション、サイト、時刻、入力量のメタデータと、生データ行への証拠ポインタを備えた型付きエピソードに分割する。51日間のアクティブ日数にわたる128,756フレームの単一ユーザーコーパスでは、1日分の生キャプチャを68ミリ秒でプロンプト投入可能なブロックへ圧縮し、サイズを86分の1に削減した。また、そのブロックを使ったエージェントは、同じキャプチャをLLMで要約した場合の66〜80%に対し、日次想起の質問で98.4%の正答率を示した。
⚡ 今日から使える
エージェント記憶を画面録画から構築する前に、特に監査可能性や推論コストが制約になる場合は、この論文を読むべきだ。
出典・一次報道
本記事は以下の媒体の報道を要約し、リンクしています。
この記事が役に立ちましたか？次号をメールでお届けします。
関連： 研究
研究者ら、トラックとドローンの配送経路問題「TTP-D」を提案
新たなベンチマークは、品目選択、積載量に応じた経路設計、ドローンとの同期を組み合わせたものだ。
監査・修復の文脈でLLMチェッカーがより寛容になるとの研究結果
arXiv論文は、モデルの文脈内に過去の監査・修復エピソードがあると誤警報が減ると報告している。
AlphaEvolve、行列乗算の上界を引き下げ
新たなarXivノートが、行列乗算指数の上界を改善したと報告した。