CoReMemは、コーディングエージェントが次のタスクに必要なリポジトリ変更を選び出すための、コストを内部化した記憶フレームワークです。開発中のコードベースに対して複数のタスクを順に実行すると、各タスクの終わりで「記憶」と呼ばれるテキストを生成します。CoReMemは、この記憶が次のタスクでどれだけ時間やトークンを削減できるかを「先行価値」(prospective value)で測定し、価値を持つ箇所だけをメモリに残します。▼図1

記憶の価値を測る方法は、次のタスクを「記憶あり」と「記憶なし」の2通りで実行し、ステップ数とトークン消費を比較します。価値を持つセグメントは「記憶アンカー」となり、メモリモジュールがそれを参照すると、追加報酬が与えられます。報酬設計は、タスク解決率を高めつつステップ数を減らすように内部コストを考慮しています。

ChainSWEベンチマークで27Bの対話モデルにCoReMemを適用すると、解決率が21.0 %から25.7 %に向上し、ステップ数が17 %減少、トークン数が11 %減少します。これは「メモリ無し」モデルに対する比較です。さらに、6つのオープンウェイトモデルに対して事後学習でCoReMemを導入すると、1kトークンあたりの解決数を平均で41 %増加させ、低ステップ・高解決率の領域へ移行します。▼図2