エージェントがチャット履歴を直接検索：構造化メモリに匹敵する性能を達成

新しいアプローチ「ReFind」の登場

エージェントの記憶システムは、これまで会話履歴を要約、埋め込み、ツリー、知識グラフといった形式に構造化することで、検索品質を向上させてきました。これは、質問が投げかけられる前にデータに意味的な構造を与えることで、より効率的な情報抽出を目指すアプローチです。

しかし、私はこの前提に疑問を投げかけます。構造化による恩恵が、どこまで構造そのものに由来するのか、あるいは未加工の履歴に対する適切な検索能力でどこまで達成できるのか。新しい研究「ReFind」は、この問いに対する明確な答えを示しました。ReFindは、セマンティックな構造を一切構築しません。会話アーカイブを未加工のまま活用するのです。

構造化不要の検索メカニズム

ReFindは、会話アーカイブをターン単位で語彙的にインデックス化し、それを変更しません。そして、汎用的な反復キーワード検索ループと、チャットに特化した4つの制御を組み合わせます。これらの制御は、経験的なリファインディング作業に基づいており、具体的には以下の通りです。

1. セッション認識ランク融合
2. ローカルコンテキスト拡張
3. 時間的絞り込み
4. 既に検査済みのセッションのスキップ

収集された証拠からは、別の推論ステージが回答を生成します。このシステムは、LLMベースのインデックス構築を一切行わず、エージェント自身が検索プロセスを直接制御します。

驚異的な性能と業界への示唆

ReFindは、MemoryAgentBenchにおける広範な会話記憶タスク（単一・複数ホップQA、イベント順序付け、事実統合）で評価されました。その結果、GPT-4o-miniをバックボーンとして使用し、比較されたどのシステムよりも高い平均精度（58.2%）を達成しました。これは、最強のグラフベースおよびツリーベースの記憶システム（HippoRAG 2の53.2%）を上回るものです。

さらに、LongMemEval-S/MではGPT-5-miniを使用することで、93.2%および89.3%という高い精度を記録しています。この結果は、チャットアーカイブに対する正確で証拠に基づいた質問において、精巧な記憶構造に帰せられてきた恩恵の多くが、エージェントに未加工の記録に対する制御可能な検索を与えることで回復可能であることを示唆しています。LLMベースのインデックス構築は不要である、という結論は業界に大きなインパクトを与えるでしょう。

私の見方

私はこの研究結果に注目します。これまでの記憶システム開発は、いかに複雑な構造を作るかに注力されてきました。しかし、ReFindは「構造化不要」という逆説的なアプローチで、より高い性能を出しています。これは、エージェント自身の検索能力、つまり「何をどう探すか」という戦略が、データ構造そのものよりも重要である可能性を示唆しています。複雑な前処理や構造化に時間をかけるよりも、エージェントに効率的な検索戦略と適切な制御を与える方が、結果的に最速で高性能なシステムを構築できる、と私は考えます。

今後の展望

この研究は、エージェントの記憶システム設計におけるパラダイムシフトを促す可能性があります。今後は、いかに効率的でインテリジェントな検索制御をエージェントに持たせるか、という点が開発の主眼となるでしょう。未加工データからの価値抽出能力を高めることで、よりシンプルで堅牢なエージェントシステムが実現できると私は見ています。これは、開発コストの削減にも繋がり、より多くの企業がAIエージェントを導入するきっかけになるでしょう。