[Submitted on 15 May 2026]

View PDF HTML (experimental)

Abstract:永続的記憶で拡張されたLLMエージェントは過去のインタラクションを思い出すことができますが、既存のシステムには2つの制限があります。フラットで非構造化のストレージは、マルチホップおよび時間的推論に必要な関係的文脈を失い、高価なLLMベースの分類に依存するため、レイテンシに敏感な展開には実用的ではありません。保存された知識に対して新しい情報を検証するメカニズムがなければ、これらのシステムは静かに矛盾を蓄積します。私たちは、LLMエージェントのための構造化され、矛盾を認識する長期記憶フレームワークであるMOSAIC（Memory-Organized Structured Agent for Information Collection）を提示します。これは大幅に正確で効率的です。MOSAICは3つの主要な機能を提供します：(1) イベント、ペルソナ、および関係にわたって関係構造を保持するセマンティック分類を備えたエンティティ型グラフストレージにより、会話履歴に対するマルチホップおよび時間的推論を可能にします；(2) 局所性鋭敏ハッシュを用いてLLMベースの分類を置き換えるハッシュ加速デュアルパス検索により、精度の損失を最小限に抑えながらほぼ瞬時の検索を実現します；(3) 保存時にアクティブな矛盾検出を行い、新しい情報を既存のグラフ隣接要素と相互参照し、矛盾するエントリに対して更新または削除をトリガーします。LoCoMo（長時間会話QA）、HaluMem、および新規の臨床ガイドラインエラー複合テストで評価したところ、MOSAICはLoCoMoで89.35%の精度（最良ベースライン比+27.21 pp）を達成し、HaluMem-Medium抽出F1（86.77%）およびHaluMem-Long抽出F1（85.84%）で最高、MediumおよびLong両方で最高のQA正解率（73.10%、70.75%）を達成し、注入された事実矛盾の66%を検出しました。これは最良ベースライン（14%）の4.7倍であり、ハッシュ加速検索により質問あたりの平均検索レイテンシを0.58秒に抑えています。

Submission history

From: Xinyang Guo [view email]
[v1] Fri, 15 May 2026 02:21:45 UTC (1,469 KB)