LLM推論重要度 ★10
セッション境界を越えたIn-Context Learning状態の引き継ぎ
Handover of In-Context Learning State Across Session Boundaries
https://export.arxiv.org/api/query·2026/8/14
AI要約
大規模言語モデル（LLM）を用いたアプリケーションにおける、セッション境界を越えたコンテキスト（In-Context Learning状態）の引き継ぎ方法を提案。タスクの連続性を維持し、LLMの利用体験を向上させる。
AI要点
- セッション境界を越えて、大規模言語モデルのIn-Context Learning (ICL) 状態を引き継ぐための手法を提案。
- タスク継続時に、前セッションからの関連情報をどのように引き継ぐかの課題に対処。
- 状態引き継ぎをタスク相対的なICL状態の転送として定式化し、予測的等価性が最密な決定論的引き継ぎを特徴づける。
- 3つの要素（決定、制約、タスク正当化統計、元の観測）からなる記録を提案。
- セッション間の状態引き継ぎに必要なメモリ量と、継続タスクへの影響を理論的に定量化。
なぜ重要か
本研究は、対話型AIシステムにおいて、セッションを跨いでも一貫したコンテキストを維持するメカニズムを提供し、ユーザー体験の向上とタスク遂行能力の安定化に貢献する。