LLMの重みは配備後に通常変わらないため、新しい情報は外部の記憶に置くしかない。論文は既存の外部記憶研究(Mem0、A-Mem、MemoryOS、Nemori、LightMem、E-mem)が定義済みレコードと固定的な更新規則に頼り、話題の変化や矛盾、時系列関係の扱いが難しいと問題設定する。SoMemはこの部分を、エージェント自身が普通の文書を読み書きする方式に置き換える。
「これは次の問いを立てる。LLMエージェントは自分の記憶を普通の文書で整理できるのか。我々は自己組織化記憶(SoMem)を提案する。これは記憶を相互リンクされた文書として保存する枠組みだ。エージェントは何を要約し、関連情報をどうまとめ、既存の話題をいつ書き直すかを決め、生成する要約はすべて原相互作用へのリンクを持つ。」
This raises the question: can LLM agents organize their own memory using ordinary documents? We introduce self-organized memory (SoMem), a framework that stores memory in linked documents. The agent decides what to summarize, how to group related information, and when to revise existing topics, and every summary it produces stays linked to the original interactions as evidence.
記憶はSourceとTopicの文書で構成し、更新はランタイムが検証する
SoMemのワークスペースでは、対話の両側をSource記録として原文のまま保存する。書き込みを行うWriter(記憶構築モデル)は、何を要約してどのTopic文書に置くか、既存の文書をいつ修正するかを自分で決める。永続的な好みや制約はCoreという小さな文書に置く。更新は構造と参照の整合をランタイムが確認してから受け入れられ、時系列のTimeline、話題間リンクのGraph、直近更新のRecentという3つの派生ビューが作り直される。
回答を行うReaderは、Core・Recent・ファイル一覧から出発し、検索(Search)・一覧(List)・読み取り(Read)の読み取り専用操作でTopicとSourceを必要なだけ辿る。WriterとReaderは別のモデルを設定でき、構築済みの記憶ワークスペースは他のモデルでもそのまま使える。論文のクロスモデル実験では、あるWriterが作って凍結した記憶を4種類のReaderで再利用し、全Readerの平均で最も高い成績を同じWriterが上げることを確認している。
- 01 会話の記録
Source記録
対話の両側を原文のまま保存し、要約から参照できるようにする。
- 02 記憶の構築(Writer)
Topic文書を編集
何を要約し、どう話題ごとにまとめ、いつ書き直すかをモデル自身が決める。永続制約はCoreに置く。
- 03 検証(ランタイム)
更新を検証
文書構造と参照の整合を確認してから受け入れ、Graph・Timeline・Recentの派生ビューを作り直す。
- 04 回答(Reader)
Search・List・Read
Core・Recent・ファイル一覧から始め、必要に応じてリンクを辿って原資料を確認する。
arXiv:2611.11929のSec.2、GitHub READMEのFigure 1概要に基づく。WriterとReaderは別モデルを設定でき、保存済みワークスペースを再利用できる。
共通Reader条件では3ベンチマークとも最強の比較対象を上回る
評価は長期記憶ベンチマーク3種だ。LoCoMoは全1,540問(カテゴリー1〜4)、BEAM-100Kは400問、LongMemEval-Sは全500問を使う。主比較では、すべての記憶方式についてWriterとReaderにGPT-6 Lunaを使い、判定はGPT-4o-mini、Readerの推論努力はなしで統一した。SoMemの成績はLoCoMo 88.96%、BEAM-100K 54.02、LongMemEval-S 76.50%で、最強の比較対象は順にE-mem 86.30%、Full Context 50.92、LightMem 74.50%で、差は+2.66、+3.10、+2.00ポイントになる。ただし指標は同一ではない。LoCoMoとLongMemEval-SはLLM判定による正答率(LJ accuracy)、BEAM-100Kは平均nugget scoreだ。BEAM-100KのSoMem通過率(pass rate)61.50%も別の指標で、数値を混ぜて比べられない。
LoCoMo全1,540問
- 指標
- LJ正答率
- SoMem
- 88.96%
- 最強比較対象
- E-mem 86.30%
- 差
- +2.66
BEAM-100K400問
- 指標
- 平均nugget
- SoMem
- 54.02
- 最強比較対象
- Full Context 50.92
- 差
- +3.10
LongMemEval-S全500問
- 指標
- LJ正答率
- SoMem
- 76.50%
- 最強比較対象
- LightMem 74.50%
- 差
- +2.00
WriterとReaderはGPT-6 Luna、判定はGPT-4o-mini、Readerの推論努力なし。LoCoMoとLongMemEval-SはLJ accuracy、BEAM-100Kはmean nugget scoreで同一指標ではない。Full Contextは記憶構築なしで原会話から直接回答する方式。
READMEとプロジェクトページは、別設定のフルセット最高値としてLoCoMo 93.25%とLongMemEval-S 90.20%を「Best Reported Results」として載せる。93.25%はGPT-5.6 LunaがWriter、Qwen 3.8 FlashがReaderで、凍結した記憶をクロスモデル再利用した構成、90.20%はDeepSeek V4 FlashがWriterとReaderで最大50ターンのQAを処理した構成である。両方ともランキング表の外で、主比較の「推論努力なし」の前提はこの2構成には適用されないとdocs/results.mdが明記する。推論努力を上げた固定サブセットの最高値(LoCoMo 95.00%は100問、BEAM-100K 70.83は200問)もフルセットの値としては読めない。構成部品の削除実験では、Sourceを外すとLoCoMo全体が88.96%から80.32%に下がり、Topicを外すと86.04%になる。原記録の保持が組織化された要約より影響が大きく、両者は補い合うという読みを論文が示している。
公開実装と、まだ残る検証
実装はGitHubリポジトリQi202/SoMemで公開され、MITライセンスが添付されている(2026-11-13確認)。Python 3.12以上でpip install -e .により導入でき、公開APIとCLI(somem init、somem validate、somem mcp)、MCPのstdioサーバー、LoCoMo・BEAM-100K・BEAM-1M・LongMemEval-Sに対応するsomem-benchmarkの構築・回答・判定コマンド、テスト、例が含まれる。判定にはGPT-4o-miniを別のAPIキーで使う。評価ツールはLightMemの採点コードと、Mem0に由来するBEAMのrubric-nuggetプロトコルを含むとREADMEが記す。
「これらの論文の結果は、公開のレシピでは再実行されていない。」
These manuscript results have not been rerun with the public recipes.
数値は査読前のプレプリントにおける著者報告で、第三者による独立再現はまだない。ベンチマークごとに指標と構成が異なるため、93.25%や90.20%といった最高値を共通Reader比較と並べて読むことはできない。記憶の誤編集への耐性、長期本番運用での信頼性、Writer更新の費用や遅延の実測は、本記事の執筆時点で確認できていない。
出典
- arXiv:2611.11929 Can LLM Agents Organize Their Own Memory?要旨(設計と評価の記述、提出日2026-11-09)、PDF全文のSec.2・Sec.3.1・Table 2〜6(数値と共通条件、削除実験)。
- Qi202/SoMem(GitHub、MITライセンス)READMEの共通比較表・Best Reported Results・インストールとCLI・MCP・評価コマンド、docs/results.mdの構成別の出処明記、docs/mcp.md。
- SoMem Project Page著者8名の所属(香港城市大学・Tencent Jarvis Lab)、同等貢献と責任著者の表記、Best Reported Resultsの再掲。
出典の確認日 2026.11.13