以下は、ご提示いただいた英文の技術レポートの日本語訳です。学術的かつ専門的な文体で翻訳いたしました。翻訳：LLM（大規模言語モデル）を搭載したエージェントにおける近年の進歩は、人間のような応答を生成する上で大きな可能性を示しています。しかし、主に文脈（コンテキスト）の一貫性や動的なパーソナライゼーションにおける制約により、複雑な環境下で長期的な対話を維持することには依然として課題が残されています。既存のメモリシステムは、検索に先立つ意味的なグループ化（semantic grouping）に依存している場合が多く、これが意味的には無関係に見えても極めて重要なユーザー情報の見落としや、検索ノイズの混入を招く可能性があります。本レポートでは、能動的なユーザープロファイリングに基づく新たなメモリフレームワークである「O-Mem」の初期設計を提案します。O-Memは、エージェントとの主体的な対話から、ユーザーの特性やイベント記録を動的に抽出および更新します。また、O-Memはペルソナ属性とトピックに関連するコンテキストの階層的検索をサポートしており、これにより、より適応性が高く、一貫性のあるパーソナライズされた応答が可能となります。性能評価において、O-Memは公開ベンチマークであるLoCoMoで51.67%を達成し、これまでの最先端技術（SOTA）であったLangMemを約3%上回りました。さらに、PERSONAMEMにおいては62.99%を記録し、従来のSOTAであるA-Memに対して3.5%の向上を実現しました。また、O-Memは従来のメモリフレームワークと比較して、トークン効率および対話応答時間の効率性も向上させています。本研究は、将来的に効率的かつ人間に近い（human-like）パーソナライズされたAIアシスタントを開発するための有望な方向性を切り拓くものです。