AI-native Memory 2.0: Second Me

---

1. どんなもの？

ユーザーのことを理解したAIの構築、もう一人の自分ともいえる。

---

2. 先行研究と比べてどこがすごい？

個人の文書記録に基づいた完全自動のポストトレーニングパイプラインを提案するのは本研究が初めて。

---

3. 技術や手法のキモはどこ？

• L0：生データ層（Raw Data Layer）
  ユーザーの会話ログ、日記、音声、スクリーンショットなど、前処理前の非構造データ

• L1：自然言語記憶層（Natural Language Memory Layer）
  L0を元に、LLMなどで要約・抽出された自然言語ベースの記憶情報
  （プロフィール、嗜好、QAペア、トピック構造など）

• L2：AIネイティブ記憶層（AI-Native Memory Layer）
  L1で作られたQ&A形式のデータ（SFT用）と、選好応答ペア（DPO用）をもとに、
  モデル（Qwen）に学習させた結果のパラメータ部分

• L0 → L1 → L2 → L0 と連続的にモデルが更新される仕組み
  これにより、ユーザーが使うたびに、Second Me はその人に最適化され続ける。

---

4. どうやって有効だと検証した？

• 3種類のCoT（Weak / Multi-step / Strong）で生成したデータを用いた実験により、
  Strong CoT が最も高い性能を示し、有効性が実証された。

• DPOを使った検証では、使った方がスコアが高くなる傾向で、
  特に 「Strong CoT + DPO」 の組み合わせが最も高い性能を示したという結果になった。