PonderPounce、MLLMの因果コンテキストをロボット記憶に再利用する手法を提案
Suhwan Choi氏らは2026年8月30日(現地時間)、ロボット制御のためのエピソードコンテキストエンジンとして事前学習済みマルチモーダル大規模言語モデル（MLLM）を再利用する手法「PonderPounce」を発表した。本手法は、専用の記憶モジュールなしで、MLLMのネイティブな因果コンテキストをロボットの記憶として活用する。
Tag
#記憶
2 件の関連記事
Tag
2 件の関連記事
Suhwan Choi氏らは2026年8月30日(現地時間)、ロボット制御のためのエピソードコンテキストエンジンとして事前学習済みマルチモーダル大規模言語モデル（MLLM）を再利用する手法「PonderPounce」を発表した。本手法は、専用の記憶モジュールなしで、MLLMのネイティブな因果コンテキストをロボットの記憶として活用する。
arXiv cs.CLは2026年5月8日(現地時間)に、大規模言語モデル（LLM）エージェントに関する重要な研究結果を発表した。この研究によると、LLMのコンテキストウィンドウ、すなわち記憶容量を拡張することが、複数のエージェント間で発生する社会的ジレンマにおける協調行動を低下させる現象が確認されたという。この一連の現象は「記憶の呪い（memory curse）」と名付けられており、研究チームは7種類のLLMと4種類のゲーム設定を用いた500ラウンド以上にわたる大規模な実験を実施。その結果、検証した28のモデルとゲーム設定のうち、18のケースでLLMエージェント間の協調性が顕著に劣化することが明らかになった。