長期的なパートナーとして機能する会話型エージェントには、すべてのインタラクション全体にわたって永続的なメモリを維持することが求められます。しかし単に生のデータ検索でコンテキストウィンドウを拡張するだけでは推論品質が低下し、標準的な強化学習によってメモリエージェントを訓練すると、マルチステージパイプラインにおいて信用割当の深刻なボトルネックが生じてしまいます。 こうした課題を解決するため、研究者らはSaliMoryというフレームワークを提案しました。このフレームワークは、ユーザーの事実情報、嗜好、ワーキングメモリにまたがる認知的に構造化されたメモリを管理するために、単一の言語モデルを訓練するものです。階層的なステージワイズプロセス報酬と報酬分解型対比的精緻化を導入することで、SaliMoryは選別フィルタリング、統合、手がかり駆動型想起といった個別のメモリ操作に対してエンドツーエンドで独立した教示信号を提供します。 実験結果によると、SaliMoryはメモリに起因する失敗を3分の1に削減し、エンドツーエンド精度において最先端手法を10%以上上回り、良好なパーソナライゼーションレートを2倍以上に向上させています。これにより、会話型AIがユーザーの個別情報をより効果的に保持・活用し、より自然で文脈に適した応答を生成できるようになります。