# Jev-Mem論文、AIエージェント向けメモリ構築の高速化を報告

Jev-Mem論文は、軽量コントローラーが保存と検索の判断を行い、LLMは最終的な推論にのみ使うエージェント型メモリ構成を提案している。メモリ構築が6.6倍高速化し、クエリ遅延が36.7%低下し、LoCoMoスコアは0.777だったと報告している。

Language: ja
Time zone: Asia/Tokyo
Current time (UTC, cached as of): 2026-11-10T07:30:00.000Z
Query date (Asia/Tokyo): 2026-11-10

HTML: https://didcodexreset.com/ja/news/cb1887a2ea204690af985cb2.html

Content language: ja
Localization state: translated

出典：elvis · 2026/9/26 07:07:09 公開

論文[Jev-Mem: System-One-Controlled Agentic Memory for Efficient AI Agents](https://academy.dair.ai/papers/jev-mem-system-one-controlled-agentic-memory-for-efficient-ai-agents-2609.23986)は、システム1とシステム2の認知に着想を得たエージェント型メモリ構成を提案している。軽量コントローラーは、情報を保存する際にメモリの種類と関係を割り当てる。読み出し時には、ルーティング、検索予算、グラフ探索、スコア付け、停止タイミングを担う。LLMが呼ばれるのは、最終的な推論と回答の作成だけである。

LoCoMoでは、LLM判定による総合スコア0.777を報告し、最も強いベースラインを相対11.0%上回った。エージェントのメモリ構築は6.6倍速く、クエリ遅延は36.7%低下したとも報告している。メモリ構築にかかる時間は158秒、平均クエリ遅延は0.93秒まで下がった。

Tags: Jev-Mem, AIエージェント, エージェントメモリ, LoCoMo

[元の投稿を見る](https://x.com/omarsar0/status/2103603205821366311)