arXivが2026年11月9日(現地時間)付けで報じたところによると、Haozhen Zhang氏らが、マルチモーダルエージェント向けの新たな記憶フレームワーク「HiVe-Mem (ハイブメム)」に関する論文を公開した。このフレームワークは、長期的なインタラクションにおいて過去の情報を効果的に検索し活用することを目指す。既存の記憶システムが抱える、関連メモリの見落としや多様な証拠ニーズへの対応不足といった課題に対処する。
この「HiVe-Mem」は、水平記憶拡張 (Horizontal Memory Expansion)と垂直証拠構成 (Vertical Evidence Composition)を組み合わせることで機能する。マルチモーダルエージェントが蓄積する長期間のインタラクション履歴から、関連性の高い情報を効率的に利用するための基盤を提供する。
水平記憶拡張では、記憶エピソードをテキストおよび視覚的アンカーを用いてリレーショナルグラフとして整理する。これにより、意味的に検索されたシードに関連する近傍情報を拡張し、補完的な情報を回復する。一方、垂直証拠構成では、取得された個々の記憶が、簡潔な要約、キャプション、根拠のある視覚的ビュー、生画像、インタラクション履歴など、複数の証拠形式を保持する。軽量な学習可能なセレクターが、各取得記憶に対して独立して証拠のサブセットを構成し、クエリに適応した多様なマルチモーダル情報の利用を可能にする。
この二次元設計により、記憶のカバレッジが広がり、個々の記憶が貢献する証拠が適応的に調整される。論文に記載された3つのマルチモーダル記憶ベンチマークでの実験結果によると、HiVe-Memは、ベースモデル全体のタスクパフォーマンスを一貫して改善した。さらに、最も効率的な競合するマルチモーダルベースラインと比較して、トークン消費量を約90%削減したことが示されている。関連するコードは公開されている。
参考: arXiv cs.CL (アーカイブ) — 2026年11月10日 03:57 (JST)