AI×経営戦略2026年9月24日読了約6分

SpeakerMem-R1が対話記憶で最高精度を記録

保存

発言者ごとに記憶を整理する新手法SpeakerMem-R1が、多人数対話の公開ベンチマークEverMemBenchで公開報告値として最高の62.33%を記録した。会議やチャットの履歴を扱うAIエージェントの実用化に関わる成果である。

研究の概要

新たに提案された対話記憶手法「SpeakerMem-R1」は、複数人が参加する長期の対話をAIに記憶させるものである。Haobo Zheng氏らの研究チームによって発表されたこの手法は、多人数の対話において、単に関連内容を検索するだけでは不十分であることを示している。具体的には、誰が何を言ったか、その発言が誰に関わるか、個人同士がどう認識し合っているか、集団で共有された情報は何か、状態が時間とともにどう変わったかを識別する必要がある。従来の汎用LLM記憶システムは、人物や集団の関係を失いやすく、メンバー・集団・時間に分散した手がかりの統合に苦戦している。

提案された手法の特徴は、二つの記憶トラックを利用する点である。一方は発言者ラベル付きの原文メッセージを保存し、他方は原文から導いた状態情報を人物単位と集団単位の視点で整理して保存する。この手法では、質問を受けた時点で、人・出来事・時間を手がかりに両トラックの証拠を組み合わせることで、構造化記憶の構築時に生じる発言者の取り違えや更新の誤りを抑えることができる。また、ローカル環境での運用も可能にするために、記憶の書き込みを担うモデル「Writer-R1」をSpeakerLevenshteinと発言者条件付きGRPO（強化学習手法）で訓練した。

評価結果としては、GroupMemBench、SocialMemBench、EverMemBenchの三つのベンチマークにおいて、二値正解率がそれぞれ47.9%、69.2%、61.9%を記録した。特に、EverMind-AIが公開するEverMemBenchのリーダーボードでは62.33%を達成し、最新の先端フレームワークの中で最高の公開報告値となった。さらに、二人の長期対話を扱うLoCoMoの全1,986問でも70.85%を得ている。305問の統制評価においては、強化学習によって教師あり学習のみのWriterの平均正解率が57.38%から68.20%へと向上した。アブレーション実験では、原文トラックと構造化トラック、人物単位と集団単位の視点が互いに補完関係にあることが確認された。

しくみをやさしく

「SpeakerMem-R1」は、対話の記憶を二つのトラックで管理する仕組みを採用している。まず一つ目のトラックでは、発言者ラベル付きの原文メッセージが保存される。これにより、誰が何を発言したかを明確に記録することができる。次に、二つ目のトラックでは、原文から導かれた状態情報を整理し、個人単位と集団単位の視点で保存する。この二つのトラックを組み合わせることで、対話の文脈をより正確に把握することが可能となる。この仕組みにより、発言者の取り違えや更新の誤りが抑制され、AIがより正確に対話履歴を管理できるようになる。

ビジネスへの示唆

この技術は、多人数のやり取りが業務の中心となる領域において大きな応用の余地がある。以下に、具体的な部門と関連するKPIを示す。

コンタクトセンター・カスタマーサクセス部門：複数の担当者と顧客側の関係者が関わる案件履歴を発言者付きで保持できることで、引き継ぎ時の再確認を減らす可能性がある。関連KPIには、初回解決率、平均処理時間、エスカレーション率が含まれる。
法人営業部門：決裁者、現場担当、購買部門など顧客側の関係者ごとの意向と変化を追跡することで、商談化率や受注までのリードタイム、引き継ぎ工数に影響を与える可能性がある。
プロジェクト管理・情報システム部門：チャットや会議で決まった事項の変更履歴を追うことで、決定事項の抜け漏れや手戻り件数の削減につながる。

このように、各部門において「SpeakerMem-R1」を活用することで、業務の効率化や精度向上が期待できる。自部署で該当する業務は何か、いま誰がどれだけ手をかけているかを考えることが重要である。

現場での導入イメージ

仮に導入支援に入るなら、以下のようなステップで進めることが考えられる。

棚卸し：現在の業務プロセスや使用しているツールを整理し、どのような情報が記録されているかを把握する。目指す到達点は、業務の現状を明確に理解し、改善点を特定することである。
差し込み先の設計：既存ツールや業務プロセスにどのように「SpeakerMem-R1」を組み込むかを設計する。新ツールを増やさない現実解を目指し、業務の中での適用方法を検討する。
小さく試す（PoC）：実際に小規模なプロジェクトで試験的に導入し、その効果を評価する。目指す到達点は、実際の業務での効果を確認し、必要な調整を行うことである。
運用と横展開：試験的導入の結果をもとに、全社的に運用を開始し、他の部門への展開を図る。目指す到達点は、全社的な業務効率の向上と、対話記憶の活用による業務の質の向上である。

このようなステップを踏むことで、最終的には業務の効率化と精度向上を実現することが期待される。

今後の展望

公開ベンチマークの会話は、実際の業務ログとは異なる点が多いため、導入を検討する企業には自社の会話履歴の一部を用いた小規模検証が現実的な第一歩となる。その際は、引き継ぎに要する時間や問い合わせの再発率など、現場のKPIで既存手法と比較することが望ましい。

本研究は二値正解率とトークンF1を併記し、標準化された評価インターフェースの下で比較している。今後、対話記憶を売り物にする製品が増えれば、こうした共通指標が調達時の比較基準になる可能性がある。原文と構造化情報、個人と集団という複数の視点を併用する設計が有効とされた点は、記憶機能を持つ業務AIの設計方針にも影響を与えるとみられる。