AIメモリー系 最新論文レビューと MoltMem 比較レポート

検証方針: 初回のWeb検索結果は広く拾う用途に使い、このレポートでは arXiv API で存在・日付・要旨を直接確認できた論文だけを採用した。

0. 先に結論

1. MoltMem が今目指しているもの（比較の基準）

1.1 README 上の目的

"MoltMemは以下の課題を解決します:"
"1. 会話の記憶喪失: コンパクション時に会話内容が失われる問題"
"2. 圧縮の質が低い: 重要な情報が適切に保持されない問題"
"3. 会話履歴の追跡困難: どのターンで何が起きたか追跡できない問題"

この3点から見ると、MoltMemのコアは単なる「長期記憶」ではなく、memory + auditability の組み合わせにある。

1.2 自己学習パイプラインの現在地

"Goal: 自己学習パイプラインの未実装・不完全な部分（fact_extractor occurrence連携、procedural fact作成、NLI統合、source_typeフィルタ緩和、Admin UI設定）を全て修復し、全learning typeが昇格対象になるようにする。"

つまり MoltMem はすでに、occurrence / recurrence、source_type、NLI gate、Admin UI での監査と調整を持つ方向に進んでいる。これは最近の論文動向とかなり一致している。

1.3 Fact Ledger の設計思想

"Facts replace the legacy Memory/EpisodicMemory system with a unified, typed, auditable fact store."

自己学習・出典系フィールド: source_type / fingerprint / recurrence_count / first_seen_at / source_session_id / source_timestamp / source_turn_ids

これはかなり大きい。最近の論文で重要になっている admission 根拠、recurrence、provenance、traceability の土台が、少なくともデータモデル上は既にある。

1.4 現在の注入方式

"Tier 1: safety/pinned facts (全文掲載・件数制限なし)"
"Tier 2: 行動関連 facts (全文掲載・最大10件)"

これはシンプルで堅いが、逆に言うと query-adaptive retrieval ではない。ここが今後のギャップ候補。

2. 採用した論文（存在確認済み）

以下はすべて arXiv API でタイトル・日付・要旨を直接確認したもの。

3. 論文群から見える主要トレンド

3.1 Write Policy が主役化している

A-MAC はこう言っている。

"memory admission remains a poorly specified and weakly controlled component"

"A-MAC decomposes memory value into five complementary and interpretable factors: future utility, factual confidence, semantic novelty, temporal recency, and content type prior."

つまり「保存するかどうか」は、もう extraction のおまけじゃない。独立に設計し、しかも説明可能であるべきという流れ。

3.2 Summary-only は危ない、raw evidence への戻り道が要る

TierMem はこう言っている。

"This creates a fundamental write-before-query barrier"

"summaries can cause unverifiable omissions"

この指摘はかなり本質的。未来の問い合わせを知らない時点で summary を作る以上、後で必要な条件を落とす危険がある。

3.3 Retrieval が write より支配的な場合がある

Diagnosing Retrieval vs. Utilization の要点はかなり痛い。

"On LoCoMo, retrieval method is the dominant factor"

"Raw chunked storage, which requires zero LLM calls, matches or outperforms expensive lossy alternatives"

雑に言うと、頑張って賢く要約しても retrieval が弱いと負ける。

3.4 評価は recall 単体から multi-session action へ

MemoryArena はこう切っている。

"Existing evaluations of agents with memory typically assess memorization and action in isolation."

つまり「覚えてるか？」だけだと足りない。覚えた結果として後続行動が改善したかまで見る必要がある。

3.5 ストリーミング memory lifecycle を分解して評価する流れ

Neuromem:

"In practice, memory is streaming"

"accuracy and cost are governed by the full memory lifecycle, which encompasses the ingestion, maintenance, retrieval, and integration of information into generation"

これは MoltMem にかなり刺さる。なぜなら MoltMem は単なる検索DBではなく、作成→昇格→統合→注入→監査のパイプラインだから。

4. 論文ごとの評価（良い点 / 悪い点 / MoltMem 比較）

5. MoltMem と比較した総合評価

5.1 すでに強く合っている点

5.2 まだ弱い点・ギャップ

6. MoltMem で次にやるべきこと（優先度順）

P0 すぐやるべき

P0-1. Admission Score Layer を追加

A-MAC を参考に、Fact 作成/昇格前に以下を数値化。

• utility
• confidence
• novelty
• recency
• content-type prior

出力例:

{
  "admit": true,
  "score": 0.81,
  "factors": {
    "utility": 0.9,
    "confidence": 0.7,
    "novelty": 0.8,
    "recency": 0.6,
    "type_prior": 0.95
  },
  "reason": "high-utility procedural learning with recurrence"
}

P0-2. Retrieval bake-off を作る

同一セットに対して以下を比較。

• vector only
• BM25 only
• hybrid rerank
• fact only
• fact + source_turn evidence

見たい指標: hit@k、exact answer accuracy、contradiction rate、latency、token cost

P0-3. Evidence escalation を実装

fact だけで回答しない。必要なら source_turn_ids から原文へ戻る。

1. fact hit
2. sufficiency check
3. insufficiency なら source turns retrieve
4. answer with citation
5. verified result を fact/synopsis に還元

P1 次段階

P1-1. Query-adaptive context builder

今の Tier1/Tier2 は残しつつ、追加で intent 別ルートを持つ。

• persona/preference query → fact-first
• why/how/when query → source-turn/evidence-first
• action/task query → procedural/decision 優先

P1-2. Evaluation harness を整備

MemoryArena / Neuromem を参考に測定: multi-session consistency、stale fact correction success、provenance trace success、retrieval vs utilization failure split、insertion / retrieval latency

P1-3. Provenance-aware UI

Admin UI に「この fact はどの source turn に由来するか」を一発で見せる。論文比較上もかなり強い武器になる。

P2 後回しでいい

P2-1. Full graph memory

Mnemis は面白いが、全面 graph 化はまだ早い。まずは retrieval baseline と provenance tier を固める方が価値が高い。

P2-2. RL-based memory controller

MemexRL 的な controller はロマンあるけど、今の MoltMem に必要なのはまず explicit policy、measurement、auditability であって、学習 controller じゃない。

7. 一言でまとめると

8. 参考文献

• Memory for Autonomous LLM Agents: Mechanisms, Evaluation, and Emerging Frontiers — arxiv.org/abs/2603.07670
• Adaptive Memory Admission Control for LLM Agents — arxiv.org/abs/2603.04549
• Memex(RL): Scaling Long-Horizon LLM Agents via Indexed Experience Memory — arxiv.org/abs/2603.04257
• Diagnosing Retrieval vs. Utilization Bottlenecks in LLM Agent Memory — arxiv.org/abs/2603.02473
• Beyond the Context Window: Fact-Based Memory vs. Long-Context LLMs — arxiv.org/abs/2603.04814
• From Lossy to Verified: A Provenance-Aware Tiered Memory for Agents — arxiv.org/abs/2602.17913
• MemoryArena: Benchmarking Agent Memory in Multi-Session Agentic Tasks — arxiv.org/abs/2602.16313
• Mnemis: Dual-Route Retrieval on Hierarchical Graphs — arxiv.org/abs/2602.15313
• Neuromem: Granular Decomposition of the Streaming Lifecycle — arxiv.org/abs/2602.13967
• SimpleMem: Efficient Lifelong Memory for LLM Agents — arxiv.org/abs/2601.02553
• Memory in the Age of AI Agents — arxiv.org/abs/2512.13564
• Memoria: A Scalable Agentic Memory Framework — arxiv.org/abs/2512.12686

このレポートの「論文根拠」欄は、各論文の arXiv 要旨からの直接引用または要旨に基づく要約。「良い点 / 悪い点 / MoltMem比較」は、その要旨と MoltMem の現行 docs / code を照合して書いた分析であり、各論文のフル実装再現レビューではない。