Tencent、帰属強化学習でフレームワーク横断の情報保持を学習する記憶書き込みモデル「Hy-Memory」を公開

Tencent Hunyuanは10月16日、モデル、記憶フレームワーク、アプリケーションの3層にわたるオープンソースリソースを含むHy-Memory 2.0を発表した。このうちHy-Memory-30B-A3Bは、外部記憶システムへの書き込みを担う。対話履歴から保持する価値のある情報を選び、継続的に更新できる記憶を作る。モデルの重みはApache 2.0ライセンスで公開されており、総パラメータ数は約300億、アクティブパラメータ数は約30億。公式発表ページ、モデルカード

この研究の技術的な焦点は、「記憶をどう書き込むか」を学習可能な能力にすることだ。研究チームはまずMemory On-Policy Distillationを用いて、モデル自身が生成した記憶状態を使い、各フレームワークの書き込みプロトコルを学習させた。続いて、帰属記憶強化学習により、ブロック単位のプロービング、ブロック間の報酬帰属、過剰保存の抑制を通じて、保持した情報が後続の回答に役立つよう最適化した。学習時には、モデルが書き込んだ記憶庫を次のウィンドウに引き継ぎ、状態の変化を実運用に近づけている。技術論文

公式評価では、検索設定、回答モデル、評価者を固定し、記憶書き込みモデルだけを入れ替えた。各モデルは空の記憶庫から開始する。テスト対象はMem0、MemOS、Hy-Memory、および学習に使われていないEverMemOS。4つのフレームワークと6つの指標を等しい重みで平均した結果、Hy-Memoryは55.49点、Claude Opus 5は54.62点だった。ただし、主表は固定のテストサブセット20%のみを使用している。また、平均スコアで上回ったからといって、すべてのサブタスクで優れているわけではない。たとえばMem0のLoCoMoとコード記憶テストでは、Opus 5のスコアが上回った。評価方法と内訳

エージェントシステムの開発者にとって、このモデルは記憶書き込みモデルを個別に差し替え、情報保持の方針が長期タスクにどう影響するかを調べるための実験手段となる。モデルカードには、vLLM 0.31.0でテストされたデプロイ方法と、OpenAI互換APIの使用例が記載されている。今後は、テストセット全体、繁体字中国語の長い対話、情報訂正の場面で検証するとともに、書き込みの遅延、記憶庫のサイズ、サービスコストを測定する必要がある。現時点の公開スコアだけでは、実運用でリソースを節約できるとは証明されていない。デプロイ手順