arXiv cs.CLは6月16日(現地時間)、パーソナライズされたプレゼンテーションを効率的に生成する階層型メモリフレームワーク「MemSlides（メモスライズ）」に関する論文を発表した。MemSlidesは、長期記憶、ワーキングメモリ、ツールメモリを分離することで、ユーザーの安定した好みや制約の保持、多段階の局所的なスライド修正を可能にし、文書自動化における一貫性維持などの課題解決を試みる。
イエ・ジン（Ye Jin）氏を含む4名の著者による本論文は、プレゼンテーション生成エージェントが、タスクを通じて一貫したユーザーの好みを維持し、多段階の修正中に新たな好みや制約を保持し、局所的な編集を確実に実行するといった課題に取り組んでいる。
これらの課題に対処するため、MemSlidesは、長期記憶をワーキングメモリから分離し、さらに長期記憶をユーザープロファイルメモリとツールメモリに分割するという独自の階層型メモリフレームワークを採用している。ユーザープロファイルメモリはセッション開始時（ラウンド0）のパーソナライゼーションのために意図に応じたプロファイルを保存する。ワーキングメモリは修正ラウンド間でアクティブな好みとセッション制約を保持する役割を担い、ツールメモリは信頼性の高い局所的な編集を可能にするため、再利用可能な実行経験を蓄積する。
MemSlidesは、この革新的なメモリ設計を、対象を絞ったスライドローカルな修正機能と組み合わせる。このアプローチにより、プレゼンテーション全体を繰り返し再生成するのではなく、最小限の影響を受ける領域のみに対して更新が実行されるため、効率的な修正プロセスが実現される。
管理された実験により、MemSlidesの有効性が示されている。ユーザープロファイルメモリは、マルチペルソナ・マルチインテントプロファイルバンクにおけるペルソナ整合性判断を改善することが確認された。さらに、ツールメモリの注入は、診断用マッチドペア設定において、クローズドループ修正動作の改善に貢献した。定性的な事例分析では、ワーキングメモリがユーザーの好みを確実に引き継ぐ能力があることが実証されている。これらの実験結果は、効果的なプレゼンテーション作成におけるパーソナライゼーションが、永続的なユーザープロファイル、セッションレベルのワーキングメモリ、そして生成と局所的な修正における再利用可能な実行経験を明確に分離することにかかっていることを強く示唆している。
このMemSlidesのアプローチは、既存のプレゼンテーション生成システムが直面する、一貫性維持や大規模な再生成に伴う非効率性といった課題に対し、新たな解決策を提示するものだ。本技術は、企業の研修資料作成や営業提案、教育コンテンツなど、多様なビジネスシーンにおける文書自動化市場へ新たな効率性とパーソナライゼーションの可能性をもたらす。
参考: arXiv cs.CL (アーカイブ) — 2026年6月17日 13:00 (JST)