2026年02月24日
## 要約：
本研究では、超長文のコンテキスト推論や学習に課題を抱えるLLMやRAGシステムに対し、メモリ操作と質問応答を統合した新しいフレームワーク「Unified Memory Agent (UMA)」を提案します。 UMAは、コンパクトなコアサマリーと構造化されたメモリバンクを組み合わせ、データの継続的な更新に対応し、動的な推論能力を向上させます。 評価ベンチマーク「Ledger-QA」を導入し、既存のシステムを大幅に上回る性能を示しました。
---
## 翻訳：
arXiv:2602.18493v1 Announce Type: new
Abstract: 長文コンテキストを持つLLMやRetrieval-Augmented Generation (RAG) システムは、情報を受動的に処理し、状態の追跡、矛盾の解決、証拠の集約をクエリ時に行うため、頻繁な更新がある超長文ストリームでは脆弱になります。 提案するUnified Memory Agent (UMA) は、メモリ操作と質問応答を単一のポリシー内で統合する、エンドツーエンドの強化学習フレームワークです。 UMAは、グローバルコンテキストのためのコンパクトなコアサマリーと、キーバリューエントリに対する明示的なCRUD（create、update、delete、reorganize）をサポートする構造化されたMemory Bankというデュアルメモリ表現を維持し、ストリーミング中に積極的な統合を可能にします。 長期的なメモリ行動を評価するために、累積的な更新から派生した潜在的な値が回答であり、ローカルなスパン検索ではない診断ベンチマークLedger-QAを紹介します。 Ledger-QA、Test-Time Learning、およびAccurate Retrievalの13のデータセットにわたり、UMAは動的な推論と学習タスクにおいて、長文コンテキストとRAGベースラインを大幅に上回りながら、標準的な検索ベンチマークでも競争力のある性能を示し、学習されたエンドツーエンドのメモリ管理の重要性を強調しています。
[📰 原文はこちら](https://arxiv.org/abs/2602.18493)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
