Hy-Memory-30B-A3Bが外部メモリへの書き込みを専門に担当する。
この記事のポイント
- 外部メモリに情報を記録するモデル
- 2段階学習で未見フレームワークにも対応
- アクティブ3Bで各ベンチ20%サンプリング
数字で見る
この記事に出てくる数字
| アクティブパラメータ | ~3B |
|---|---|
| ベンチマーク使用率 | 20% |
| メトリクス数 | 6 |
どこで使えるか
外部メモリに記録する役割を任せる人向け。既存フレームワークをそのまま置き換え可能 Hugging Faceで公開済み Mem0/MemOS/Hy-Memoryの書き込みパスに使用
スポンサーリンク
解説
かみくだいて説明します
tencentのHunyuanチームが、2026-10-15に公開した、外部の記憶フレームワークに情報を記録する専用モデル、Hy-Memory-30B-A3Bです。アクティブパラメータが3Bの小型モデルです。
記憶フレームワークに書き込む専用モデルなんですね。実際に情報を記録する時に、どう判断するんですか?
記録する情報を選別し、表現の仕方を決め、新しい証拠が出た時の更新方法までを一括で処理します。Mem0やMemOS、それにHy-Memoryそのものの内部にある汎用モデルを直接置き換える形で動きます。
汎用モデルを置き換えるんですね。学習の仕方にはどんな工夫がされていますか?
2段階の訓練を経ており、まずMemory On-Policy Distillationで教師モデルからの指示を受け、次にAttributed Memory Reinforcement Learningで記録された情報の品質を評価しながら調整します。
2つの段階で訓練するんですね。教師モデルからの指示や品質を評価しながら調整する、というのが少し掴めません。もう少しやさしく言うとどうなりますか?
最初の段階では、先生が書いた記憶の書き込み例を参考にして、正しい書き方だけを真似る訓練をします。次の段階では、書き込んだ記憶から必要な情報を取り出した時に、どの部分が良い書き込みだったかをスコアで測り、良い書き込みを優先するように調整します。
先生の手本を真似て、その後で書き込みの良し悪しをスコアで見て調整するんですね。このモデルは、訓練していない別のフレームワークでも使えますか?
訓練していないEverMemOSのような別のフレームワークにも、そのまま転送して使えます。評価は、書き込みモデルだけを変えて、その他の設定を固定した条件で行い、4つのフレームワークのスコアを均等に足して全体の点数を出しています。
書き込みモデルだけを変えて比較するんですね。6つの指標を均等に加算してスコアを出す、というのは作る人にとって扱いやすい仕組みですか?
書き込みモデルの変更だけで比較ができるため、他の部品を固定したまま性能の差だけを明確に見比べられます。APIの制限が許す限りデコーディング設定を合わせ、空の状態から各モデルが独自の記憶銀行を構築するため、公平な比較が可能です。
部品を固定して差だけを比べられるのは、開発する側にとって確かに分かりやすいですね。最後に、今後の展開で何がまだ分からないんですか?
EverMemOSへの転送は確認できていますが、実環境での長期的な運用コストや、他の書き込みモデルとの直接的な比較データはまだ公開されていません。そこはまだ分かっていません。
出典
この記事のもとになった情報
- Hugging Face:tencent/Hy-Memory-30B-A3B
- 公開日:2026-10-15
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。