長期記憶エージェント、画像を潜在表現で記憶
原題 Latent Multimodal Memory Reasoning
長期利用する個人向けエージェントは、複数モダリティにまたがる履歴と変化する対話状態を踏まえた推論が必要になる。既存の平坦なクロスモーダル手法は視覚情報を圧縮してしまう点が課題で、潜在空間でのマルチモーダル記憶推論を提案する。
論点
エージェントの記憶は潜在表現に任せるべきか
- コメントを読み込み中…
議論のヒントを見る
賛成側の視点
人間の記憶も圧縮と連想だ。生の履歴を全部持つ方式は遅いしコストばかり。潜在記憶こそ実用への道だ。反対側の視点
中身が見えない記憶に個人の人生を預けるな。何を覚え何を捏造したか検証できない時点でアウトだ。
みんなのコメント 件
コメントを書く