AdaMem：長期的対話エージェントのための適応的ユーザー中心メモリ

AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents

March 17, 2026

著者: Shannan Yan, Jingchen Ni, Leqi Zheng, Jiajun Zhang, Peixi Wu, Dacheng Yin, Jing Lyu, Chun Yuan, Fengyun Rao

cs.AI

要旨

大規模言語モデル（LLM）エージェントは、長期的な対話、個人化された支援、多段階推論を実現するために外部メモリへの依存度を高めている。しかし、既存のメモリシステムは依然として3つの核心的課題に直面している：意味的類似性に過度に依存するため、ユーザー中心の理解に不可欠な証拠を見落としがちである；関連する経験を断片的に保存するため、時間的・因果的一貫性が弱まる；静的なメモリ粒度を使用するため、異なる質問の要求に適応できない。本論文では、長期的対話エージェントのための適応的ユーザー中心メモリフレームワークAdaMemを提案する。AdaMemは対話履歴を作業記憶、エピソード記憶、ペルソナ記憶、グラフ記憶に整理し、最近の文脈、構造化された長期的経験、安定したユーザー特性、関係認識的な接続を統一フレームワークで保持する。推論時には、AdaMemはまず対象参加者を特定し、質問条件付き検索ルートを構築して意味的検索と必要に応じた関係認識的グラフ展開を組み合わせ、最後に証拠統合と応答生成のための役割特化パイプラインを通じて回答を生成する。長期的推論とユーザーモデリングのベンチマークであるLoCoMoとPERSONAMEMで評価を行った結果、AdaMemは両ベンチマークで最高性能を達成した。コードは採択後公開予定である。

English

Large language model (LLM) agents increasingly rely on external memory to support long-horizon interaction, personalized assistance, and multi-step reasoning. However, existing memory systems still face three core challenges: they often rely too heavily on semantic similarity, which can miss evidence crucial for user-centric understanding; they frequently store related experiences as isolated fragments, weakening temporal and causal coherence; and they typically use static memory granularities that do not adapt well to the requirements of different questions. We propose AdaMem, an adaptive user-centric memory framework for long-horizon dialogue agents. AdaMem organizes dialogue history into working, episodic, persona, and graph memories, enabling the system to preserve recent context, structured long-term experiences, stable user traits, and relation-aware connections within a unified framework. At inference time, AdaMem first resolves the target participant, then builds a question-conditioned retrieval route that combines semantic retrieval with relation-aware graph expansion only when needed, and finally produces the answer through a role-specialized pipeline for evidence synthesis and response generation. We evaluate AdaMem on the LoCoMo and PERSONAMEM benchmarks for long-horizon reasoning and user modeling. Experimental results show that AdaMem achieves state-of-the-art performance on both benchmarks. The code will be released upon acceptance.