公開資料は二つそろっている。論文「TreeAgent: Structure-Aware Memory Agent for Processing Long Hierarchical Data」はarXivに2026年11月10日付で登録され(cs.AI、v1)、コードのリポジトリはその前日の11月9日に作成された。著者は浙江大学ブロックチェーンとデータセキュリティ国家重点実験室、杭州高新区(浜江)ブロックチェーン研究所、Alibaba Groupの8名で、著者リストの所属表記による。リポジトリはApache-2.0ライセンスで、CPUだけで動く検証コマンドを同梱する。
「TreeAgentは4種のメモリエージェントすべてで、4データセットを通じた平均スコアを上げる。平均の利得は3.61%だった。」
TreeAgent improves the average score across the four datasets for all four agents, with 3.61% performance gain on average.
固定長の分割が壊す三つのもの
背景にあるのは、メモリエージェントの入力処理だ。コンテキスト窓を超える入力をセグメントごとに処理し、限定されたメモリを更新しながら答える方式は、API応答やHTMLのような構造化データで三つの限界を抱えると論文は指摘する。固定長の分割は同じレコードのフィールドを切り離す。セグメントには階層の中での位置情報がない。逐次更新で圧縮されたメモリは、兄弟レコードの比較に必要な細部を落とす。
TreeAgentの分割は、トークン予算が許すかぎり完全な部分木、または隣接する兄弟部分木のまとまりを1セクションにする。予算を超える部分木は再帰的に分割し、兄弟のグループ化で細かいセグメントが乱造されるのを防ぐ。論文は貪欲な兄弟グループ化の性質を分析し、固定長分割に近いセグメント数を保つトークン予算の補正手順をSec.3.1に示す。各セクションには祖先と位置を示す構造パスが付き、処理のたびにメモリを保存して、入力の親子関係から決まるresidual memory linksで過去のメモリから関連する部分を取り出せる。モデルのトークナイザーと更新・回答の手続きはホスト側が提供する設計で、TreeAgent自体は分割と観察構築、メモリ参照を担う。
- 01 入力
階層つき長文
JSON・HTML・YAML・JavaScriptの入力ツリー。評価は8K〜1Mトークン。
- 02 分割
部分木単位
トークン予算内で完全な部分木か隣接する兄弟部分木を1セクションにまとめ、超える部分は再帰的に分割する。
- 03 付加
構造パス
セクションに祖先と位置を示すパスを付ける。
- 04 更新
逐次メモリ更新
ホストのエージェントがセクションごとにメモリを更新・保存する。
- 05 参照
過去メモリのリンク
親子関係から決まるリンクで、過去に保存したメモリから関連部分を取り出す。
- 06 回答
最終メモリで回答
最終状態を回答手続きに渡す。モデルの呼び出しはホスト側の手続きが担う。
論文Fig.1とSec.2の説明に基づく。図に載せた手順と役割分担以外の数値は含まない。
4種のメモリエージェントで平均3.61ポイント改善(著者報告)
評価は8タスク×8入力長(8K〜1Mトークン)で、データセットはJSON・HTML・YAML・JavaScriptの4種だ。JSONはUSGS、NVD、NIH、GBIF、Crossref、Contracts Finder、USAspendingのAPI応答を使い、HTMLはWebSRCのWebページとDOMレコードなどに由来する。各長さでタスクあたり50例を使う。比較対象のFlatは5,000トークンのセグメント予算で切り、TreeAgentはセグメント数が近くなるよう予算を調整する。4種のメモリエージェントはMemAgent-7B、InfMem-4B、MemReread-4B、ReMemR1-7Bで、モデルのパラメータと既存の更新・回答手続きはそのまま使い、追加学習はしていない。
平均回答スコアは、MemAgent-7Bが40.39%から41.24%(+0.85)、InfMem-4Bが56.21%から61.86%(+5.65)、MemReread-4Bが34.11%から40.46%(+6.35)、ReMemR1-7Bが27.26%から28.84%(+1.58)になった。4種の平均は39.49%から43.10%で、差は3.61ポイントだ。エージェントとデータセットの16通りの比較では14でTreeAgentがFlatを上回り、構造分割だけのTree(41.35%)に構造パスを加えたTree+Path(41.70%)をさらにresidual memory linksが押し上げる構図がTable 1で読み取れる。リンクの追加利得は16通り中15で出た。入力長別では、両方式とも長い入力で下がるものの、エージェントと入力長の32比較中31でTreeAgentが上回り、MemReread-4Bの利得は8Kで2.43ポイントから1Mで8.40ポイントに広がる。
MemAgent-7B
- Flat
- 40.39%
- TreeAgent
- 41.24%
- 上げ幅
- +0.85
InfMem-4B
- Flat
- 56.21%
- TreeAgent
- 61.86%
- 上げ幅
- +5.65
MemReread-4B
- Flat
- 34.11%
- TreeAgent
- 40.46%
- 上げ幅
- +6.35
ReMemR1-7B
- Flat
- 27.26%
- TreeAgent
- 28.84%
- 上げ幅
- +1.58
4種の平均
- Flat
- 39.49%
- TreeAgent
- 43.10%
- 上げ幅
- +3.61
論文Table 1のAVG.列。8タスク×8入力長(8K〜1Mトークン)の平均を4データセット(JSON・HTML・YAML・JavaScript)でさらに平均した値。上げ幅はスコア(%)の差で、ポイント単位。TreeAgentは追加学習なしで既存の手続きを使う。数値は著者の実験結果で、第三者による再現はまだない。
コストの増加は限定的だったと論文は報告する。推論全体のモデル呼び出し回数の平均は3.7〜7.6%増え、累積の入力トークンはFlatに近い水準にとどまる。
公開コードとサンプルデータ
GitHubリポジトリは分割とメモリループの実装、4形式それぞれのサンプル、検証コードを公開する。データは62件のJSONLレコードで、内訳はAPI応答8件、WebSRCのHTML 9件、OpenAPIのYAML 2件と補助文書、静的JavaScript 9件、タスクとプライバシーの回帰検証用fixtures 25件、合成YAML fixtures 9件をREADMEが示す。API例には質問のほかに必須の指示文があり、評価用のgold_answerはプロンプトに渡さないよう注意書きがある。bash run_checks.shの検証はCPUとローカルファイルだけで動き、4形式の分割、メモリリンク、検索、採点、サンプル整合を確認する。READMEはMETHOD_CONTRACT.mdとVALIDATION.mdに実装詳細と検証一覧を置き、62件すべてを対象にする形式チェックのスクリプトも同梱する。モデルの識別子と生成上限はconfigs/agent_settings.jsonに置かれ、実際のモデル呼び出しは利用者側の手続きが担う。
性能数値は著者の実験結果で、独立した再現はまだない。公開サンプル62件が論文の全評価コーパスと同じかを示す記述はREADMEになく、タスク・形式・入力長の組み合わせ全体での再現は今後の確認事項として残る。
出典
- TreeAgent: Structure-Aware Memory Agent for Processing Long Hierarchical Data(arXiv:2611.13946、PDF全文)提出 2026-11-10。著者と所属、要旨、Sec.3の分割理論、Sec.4の評価設定とTable 1、Fig.1、コスト測定。確認日 2026-11-11
- ZJU-LLM-Safety/TreeAgent(GitHubリポジトリ)Apache-2.0、README全文、62件のサンプル内訳、CPU検証コマンド、設定ファイル。リポジトリ作成 2026-11-09(GitHub API実測)。確認日 2026-11-11
- ZJU-LLM-Safety/TreeAgentのMETHOD_CONTRACT.md・VALIDATION.md実装詳細と検証一覧の文書。ファイルの存在とサイズをGitHub APIで確認(8,427バイト、2,452バイト)。確認日 2026-11-11
出典の確認日 2026.11.11