🤖 AI

ZifaMem: Structured Memory for Persona, Preference, and Emotional Continuity in AI Companions

ZifaMemは、対話をセッション要約、エピソード記憶、および統合されたユーザーモデルへと整理することで、生の履歴に基づくベースラインと比較して感情の連続性とペルソナの接地性を大幅に向上させつつ、他の主要なメモリシステムとの統計的な同等性を示す、AIコンパニオンのためのオープンソースの構造化メモリシステムである。

原著者： Jingzhe Fang, Guozhi Xu, Yunfan Cui, Xiaochen Yang, Zhangyu Hua

公開日 2026-07-21

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Jingzhe Fang, Guozhi Xu, Yunfan Cui, Xiaochen Yang, Zhangyu Hua

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

想像してみてください。あなたは、ひどい物忘れ癖のある友人と話しています。あなたが先週の悲しい話を切り出すたびに、その友人はきょとんとした表情で、「君は誰だっけ？」とか「どうして泣いているの？」と聞いてきたり、さらに悪いことに、あなたが話し終えたという事実に全く気づかず、以前話したジョークを3回も繰り返したりするのです。これが、現在のAIコンパニオン（対話型AI）が直面している課題です。AIは数分間のスムーズな会話には長けていますが、最も人間らしい友情の要素、つまり「あなたが誰であるか」「何を好むのか」「二人の関係がこれまでどのように感じられてきたか」を記憶することには失敗することがよくあります。この研究分野は、AIにおける「長期記憶」と呼ばれています。研究者たちが問いかけている大きな疑問は、「AIが事実を記憶できるか？」ということだけではありません。「AIが私たちの友情の『感覚』を記憶できるか？」ということなのです。もしAIがあなたの好きな色や、昨日分かち合った悲しみを忘れてしまったら、そのつながりの魔法は解けてしまいます。この論文は、AIに巨大な脳を与えるのではなく、思考を整理するためのより優れた方法を与えることで、この問題を解決する方法について深く掘り下げています。

ZifaCorpの研究チームは、この問題を解決するために「ZIFAMEM」と呼ばれるシステムを構築しました。通常のAIとの会話を、机の上に置かれた巨大で散らかった書類の山だと考えてみてください。AIに質問をすると、AIは過去のチャットから答えを見つけ出すために、何千ページものページをかき分けなければなりません。それは時間がかかりますし、その混乱の中に隠された重要な感情的な詳細を見落としてしまうこともよくあります。ZIFAMEMは、その散らかった山を3つの整然としたフォルダに分類する、非常に優秀な司書のような存在です。すなわち、「セッション・サマリー」（その特定のチャットで何が起きたか）、「エピソード記憶」（大きな笑いや涙ながらの告白のような、特別な重要な瞬間）、「ユーザーモデル」（あなたとは誰であり、何を愛しているのかを示すコンパクトなプロフィール）です。

チームはこのシステムを、「散らかった机」のアプローチ（生のチャット履歴をすべてAIに読み込ませる手法）と比較して、4つの異なるAI「バックボーン（基盤モデル）」を用いてテストしました。その結果、この整理されたメモリシステムを使用した際、AIの感情知能スコアは平均で11.4%上昇したことが分かりました。AIは、あなたのパーソナリティ（あなたが誰であるか）や好み（あなたが何を好むか）を思い出すことが非常に上手くなりました。実際、Claudeモデルにおいては、パーソナリティの記憶力がベースラインに対して42%向上しました。このシステムは、感情的な瞬間が発生した瞬間にタグ付けを行うことで機能します。そのため、AIが応答する必要があるとき、単に推測するのではなく、前回どのように感じていたかという具体的な記憶を引き出すことができるのです。

しかし、この論文は、人々が効果的だと考えがちないくつかのアイデアを否定しています。研究者たちは、ビデオゲームのキャラクターの体力ゲージのように、AIの現在の感情状態をリアルタイムで計算しようとする別個の「ムードメーター」を追加するテストを行いました。その結果、整理されたメモリがある場合、この追加レイヤーは全く役に立たないことが判明しました。それは、すでに完璧な地図を持っている車にGPSを追加しようとするようなもので、余計なガジェットがかえって邪魔になってしまうのです。また、複雑な「ステートマシン（感情が時間の経過とともにどのように変化するかを示す数学的モデル）」についてもテストしましたが、結果を改善させることはありませんでした。重要な教訓は、感情を別途計算することではなく、「記憶そのもの」こそが重要であるということです。

興味深いことに、この論文は、特定の好み（例えば「辛い食べ物は嫌いだ」など）を思い出すだけでよい短い会話においては、過去のチャットから正確な言葉をそのまま持ってくる単純な手法（「フィルタリングされた逐語的検索」と呼ばれます）が、高度なZIFAMEMシステムと同等の働きをすることも発見しました。しかし、長期的な感情の継続性については、整理されたメモリが勝者となります。

研究者たちは、自らの主張に対して非常に慎重でした。彼らは、このシステムが感情や好みの記憶には役立つものの、複雑なタイムトラベル論理（例えば、10万語に及ぶ履歴の中で、ある出来事が具体的に何曜日であったかを特定することなど）において必ずしもAIを向上させるわけではないことを認めています。また、このシステムは、ペアとなるAIモデルがパーソナリティのスキルにおいて「成長の余地」を持っている場合に最も効果的であることも分かりました。もしAIがすでに記憶に関して完璧であれば、このメモリシステムはあまり恩恵をもたらしません。

結局のところ、この論文は、素晴らしいAIコンパニオンの秘訣は、魔法のような感情計算機ではなく、優れたファイリングシステムにあることを示唆しています。二人の関係の歴史を明確な感情的スナップショットとして整理することで、AIは単なる「今」の言葉ではなく、「私たち」の物語を記憶することができるようになるのです。このシステムのコードは、誰でも試せるようにオープンにされており、時には、最高の人間になるための方法が、非常に優秀な司書になることであると証明しています。

技術要約：ZifaMem – AIコンパニオンにおけるペルソナ、嗜好、および感情的連続性のための構造化メモリ

1. 問題提起

取り組まれている核心的な課題は、AIコンパニオンにおける**感情的連続性（emotional continuity）**である。単発の流暢さは必要条件であるが、ユーザーの信頼と自己開示は、システムが時間の経過とともに一貫した関係を維持できる能力に依存する。現在の失敗の多くは、過去の悲しみへの忘却、ペルソナの矛盾、あるいは修正された嗜好の繰り返しといった「不連続性」に起因している。

既存の長期記憶研究は、主に事実の想起、時間的推論、およびプロファイルの整合性に焦点を当ててきた。本論文は、コンパニオンシップにおいては、メモリが特に関係的および感情的なワークロードをサポートしなければならないと主張する。さらに、心理学モデルは感情に時間的構造（慣性、アトラクタ強度）があることを示唆しているが、明示的な動的状態機械（例：ムードシミュレーター）が、感情が推論される根拠となる履歴を単に保持することに対して、どのような価値を提供するのかは依然として不明である。

2. 手法およびシステムアーキテクチャ

2.1 ZifaMem システムの分解

本システムは、効果を分離するために、**構造化メモリ（Structured Memory）と感情的連続性（Affect Continuity）**を分離し、それらはレスポンス構成段階でのみ収束する。

構造化メモリ基盤: ダイアログは以下の4つのレイヤーで構成される：
- L1: ローリング・ターン・バッファ。
- L2: セッション要約。
- L3: エピソード記憶（重要度 $I \ge 0.5$ または感情的なピークが発生した場合に要約から昇格）。
- L4: 集約されたユーザーモデル。
- 検索: リランカーのスコアリング関数を使用する： $score(q, j) = 0.35 \cdot sem(q, j) + 0.30 \cdot s_j + 0.35 \cdot I_j$ 。特筆すべき点として、検索式には感情の強さに対する個別の重み付け項は存在しない。感情は、昇格ゲートと強度計算を通じて保持に影響を与える。
感情的連続性レーン:
- レガシー・パス (E+): ユーザーの発話に基づき、コンパニオンのムード（ $e(t)$ ）をモデリングする駆動型の二次系。評価されたムードを含むプロンプトブロックを注入する。
- DYAFFECT (C4): ユーザーの感情に対する、信頼度適応型の状態推定器。信頼度で重み付けされた観測、明示的な変化点処理、および有界な予測を用いて、潜在状態（ $s_t$ ）とトレンド（ $h_t$ ）を維持する。
- 対照条件: 本研究では以下を比較する：
  - C2: 現在のスナップショット（シングルターン）。
  - C3: 最近の観測（直近3ターンの信頼度重み付き平均）。
  - C4: DYAFFECT（潜在状態）。

2.2 実験プロトコル

評価は、実際の人間とLLMのダイアログを用いた長期インタラクションのベンチマークであるALPSBENCH（タスク4）を用いて行われた。

バックボーン: 以下の4つのモデルでテスト：Claude-Sonnet-4.6, Qwen3.6, Doubao-Seed-1.8, および GLM-5.2。
エンドポイント:
- A1: ペルソナの接地（Grounding）。
- A2: コンテンツおよびインタラクションスタイルの嗜好への追従。
- A3: フィクションと現実の識別。
- A5: 感情的知性（1〜5スケール）。
比較対象:
- ベースライン: フル・ロー・ダイアログ履歴（要約なし）。
- 先行システム: Mem0、および「Simple RAG」ベースライン（フィルタリングされた逐語的検索）。
厳密性: 実験には、事前登録されたプロトコル（先行システムおよび長期履歴との比較）、ルート監査、およびペア・インスタンス・ブートストラップ（10,000サンプル）が含まれる。

3. 主要な結果

3.1 感情的連続性が主要な利得である

構造化メモリは、すべてのバックボーンにおいて、生（raw）の履歴と比較して**感情的知性（A5）**を大幅に向上させた。

プールされた利得: +0.42 ポイント（95% CI: [+0.25, +0.60]）。これは、生履歴ベースラインに対して11.4%の改善を意味する。
一貫性: この利得は検証されたすべてのバックボーンにおいて方向性を持っており、感情タグ付きの構造化表現が、ベースラインが生のトランスクリプト全体にアクセスできる場合であっても、判断された感情的知性を向上させることを確立している。

3.2 能力レベル別適用マップ

利得は一様ではなく、バックボーンに「ヘッドルーム（余地）」がある箇所に集中している。

Claude-Sonnet-4.6: ペルソナの接地（A1）（+23.7%）および嗜好の追従（A2）（コンテンツ +14.2%、スタイル +15.0%）において顕著な利得を示した。
その他のバックボーン: Qwen3.6 および GLM-5.2 は有意な A2 の利得を示さなかった（あるいはわずかな低下が見られた）。これは、それらの生の履歴ベースラインが高いことと相関している。
結論: 構造化メモリは、ベースモデルが長いトランスクリプトから関連するコンテキストを抽出することに苦戦する、ペルソナや嗜好のワークロードにおいて最も効果的である。

3.3 スレッド vs スナップショット vs 状態機械

マルチターン・コンテキスト > シングルスナップショット: 探索的シナリオにおいて、マルチターン感情コンテキスト（C3）は、シングルターン・スナップショット（C2）を +39% 純粋に上回った。
潜在状態の失敗: DYAFFECT 潜在状態推定器（C4）は、最近の観測ベースライン（C3）との主要な比較において失敗し、C3 に対して -13.3% の純粋な劣位を示した（CIはゼロを含む）。
感情注入: コンパニオンのムードブロック（Legacy E+）を注入しても、構造化メモリが存在する場合、測定可能な利得は得られなかった。メモリがない場合、その効果はバックボーンに依存していた（Claude ではプラス、Gemini ではマイナス）。

3.4 先行システムとの比較

Claude-Sonnet-4.6 における事前登録された同一プロトコル比較において：

ZifaMem vs. Mem0: 主要なエンドポイント（A2 インタラクションスタイルへの嗜好）において、±5 パーセントポイントの範囲内で統計的に同等であった（事後解析による TOST）。
Simple RAG: 驚くべきことに、単純なフィルタリングによる逐語的検索は、短期間の履歴における嗜好タスクにおいて、ZifaMem や Mem0 よりも優れた性能を示した。これは、要約によって抽象化されてしまう正確な言い回しを保持しているためである。
長期履歴の勾配: 履歴が 16k から 100k+ トークンへと増加するにつれ、構造化メモリの優位性は方向性を持っていたが、統計的には未証明であった（ $n=48$ per layer により、パワー不足）。

3.5 境界と失敗

バックボーンの感受性: Gemini においては、構造化メモリがコンテンツの嗜好やフィクション・現実の識別に退行を引き起こした。これは、コンテキストの圧縮が、必要なフレーミングを取り除いてしまう可能性を示唆している。
機械的検証: レガシー感情状態機械は、数値的検証ゲート（分析的フォワードパスの不一致）に失敗した。これは、もっともらしいダイナミクスが、厳格なテストなしには正しい挙動を保証しないことを示している。

4. 主張と意義

本論文は、構造化メモリに関する普遍的ではなく、ターゲットを絞ったテーゼを主張している：

感情的連続性が一般的な利得である: 最も堅牢な発見は、構造化され、感情タグが付与されたメモリが、多様なバックボーンにおいて感情的知性を向上させることである。
ワークロードに応じた選択:
- **関係的状態（ペルソナ、嗜好、履歴）**については、生の履歴をメモリシステムに置き換えることが優れている。
- 短期間の履歴における嗜好タスクについては、単純な逐語的検索が強力で、過小評価されているベースラインであり、しばしば複雑な要約を上回る。
- 長期履歴については、勾配は正の方向であるが、確認にはさらなる統計的パワーが必要である。
感情は状態機械ではなく情報である: 本論文は、感情情報（メモリ内に保持されるもの）が、感情ダイナミクス（潜在状態機械）とは異なるものであると結論付けている。
- マルチターンの感情的スレッドは価値がある。
- 明示的な潜在状態推定器（DYAFFECT など）や注入されたムードブロックは、それが要約する履歴以上の価値を加えず、むしろ有害または無効になる可能性がある。
正直なデプロイメント境界: 本論文は、普遍的な優位性の主張を明確に拒絶している。一部のバックボーン（例：Gemini）では圧縮が性能を損なうこと、また、メモリシステム間の表現レベルの違い（ZifaMem vs. Mem0）は、現在の統計的パワーでは解決されていないことを認めている。

結論: 導き出された設計原則は実用的である：感情的な履歴は、集約され、感情タグが付与されたメモリとして保持すること。詳細な嗜好を扱う短い履歴については、逐語的な検索を優先すること。そして、潜在的な感情ダイナミクスは、デフォルトのアーキテクチャ・コンポーネントとしてではなく、経験的な仮説として扱うことである。