日: 2026年2月9日

AMA: Adaptive Memory via Multi-Agent Collaboration

  • AMA: Adaptive Memory via Multi-Agent Collaboration [54.5]
    複数の粒度にまたがるメモリ管理に協調エージェントを活用する新しいフレームワークであるAMA(Adaptive Memory via Multi-Agent Collaboration)を提案する。 AMAは、ステート・オブ・ザ・アートのベースラインを著しく上回り、トークンの消費をフルコンテキストの手法と比べて約80%削減する。
    論文  参考訳（メタデータ）   (Wed, 28 Jan 2026 08:09:49 GMT)
  • 「The Retriever routes inputs to optimal granularities based on intent. The Judge audits content relevance to trigger feedback loops and detects conflicts. The Refresher executes updates or deletions to rectify these inconsistencies. Finally, the Constructor synthesizes the validated context into structured memory entries.」と4エージェントからなるメモリ管理フレームワーク。

Can LLMs Clean Up Your Mess? A Survey of Application-Ready Data Preparation with LLMs 

  • Can LLMs Clean Up Your Mess? A Survey of Application-Ready Data Preparation with LLMs [66.6]
    データ準備は、生のデータセットを識別し、データセット間の関係を解明し、それらから貴重な洞察を抽出することを目的としている。 本稿では,様々な下流タスクのためのデータ準備にLLM技術を用いることに焦点を当てる。 データクリーニング、標準化、エラー処理、計算、データ統合、データ豊か化という3つの主要なタスクにフィールドを編成するタスク中心の分類を導入します。
    論文  参考訳（メタデータ）   (Thu, 22 Jan 2026 12:02:45 GMT)
  • LLMを用いたデータ整理に関するサーベイ。
  • リポジトリはGitHub – weAIDB/awesome-data-llm: Official Repository of “LLM × DATA” Survey Paper