에이전트 메모리를 자동 진화시키는 새로운 방법
원제 Capability-Driven Self-Evolution of Agent Memory
추천 14댓글 3
Key Point
기존 에이전트 메모리 최적화의 근본적 문제점을 능력별 분석으로 해결하는 방식이 신경망 기반 최적화와 다르고, 장문맥 처리에서 눈에 띄는 성능 향상을 보여준다.
핵심 요약
- 에이전트의 메모리 시스템을 작업 피드백으로 자동 개선하는 메모리 자가진화 기법의 한계를 개선한 논문이다.
- 기존 방식은 전체 성능만 보고 진화 방향을 정하는 홀리스틱 진화를 써 왔는데, 능력별 개선 효과를 놓치고 일부 영역의 후퇴가 전체 성능을 가린다.
- 이 논문은 능력 기반 진화(capability-driven evolution)를 제안해 전체 성능 대신 개별 능력 차원별로 탐색을 안내한다.
- PrisMem 모델은 의존성을 고려한 능력 선택으로 여러 능력에 걸친 이득을 예측하고, 기록 기반 진단으로 각 능력 전문가를 정교화한다.
- 흔적 기반 통합(trace-guided integration)은 평가된 프로그램들을 쌍을 이룬 비교 사례에서 실행하고 행동 차이를 이용해 서로 다른 성과를 하나의 메모리 프로그램으로 통합한다.
- BEAM-1M에서 기존 최고 성능 모델보다 10.54%포인트, LongMemEval-M에서 7.83%포인트 성능이 높아졌으며 백만 토큰 단위 긴 문맥 처리에도 효과가 입증됐다.