スライド修正で「1枚だけ直したいのに全部作り直されて崩れる」問題、ありますよね。それをメモリの階層化と局所修正で解いた研究です🗂️
タイトル: MemSlides: A Hierarchical Memory Driven Agent Framework for Personalized Slide Generation with Multi-turn Local Revision
URL:
❓ 何が新しいの?
💡 スライド生成エージェントに「階層的メモリ」を入れ、恒久的な好み(プロファイル)・セッション単位の作業記憶・再利用可能なツール経験を明確に分離します。さらにデッキ全体を作り直さず、対象スライドだけを直す局所修正を採用しています。
❓ どうやって局所修正の暴走を防ぐ?
💡 Plan–Act–Guardの3段で進めます。Planで修正を「実行契約」(対象パス・適用ルール・カバレッジ要件)に変換し、Actで共通セレクタのバッチCSSやパッチ操作を使い分け、Guardでコンテンツのハッシュに束縛して全対象が直るまで早期確定をブロックします。
❓ 一時的な指示が恒久的な好みに化けない?
💡 ジョブ終了時に意図を考慮した統合を行い、安定した信号だけをプロファイルへ書き戻します。「この回だけ」の要求が永続化するのを防ぐ仕組みです。
❓ 効果は?
💡 ブラインド審査でパーソナライズはDeepPresenter比で全次元改善(Visual +1.66など)。ツール記憶ありだと修正の完了率0.963、初回正答までの時間は609.5→242.5秒で約60%短縮でした。
エージェントのメモリを「種類ごとに役割分担」する設計思想が、多ターン編集タスク全般に効きそうだと感じます。
#
AIエージェント# #
LLM#