LLM 에이전트의 장기 기억을 상태 중심으로 진화시키는 EvoMemState
Key Point
개인화된 AI 에이전트의 핵심인 장기 기억을 관리하는 방식이 사실 중심에서 상태 중심으로 전환됨에 따라, 사용자 정보의 진화 관계와 상황별 적용 논리를 더 정교하게 다룰 수 있게 된다.
핵심 요약
- LLM 에이전트가 사용자와의 상호작용에서 사용자 정보를 유지하는 장기 기억 능력을 개선하기 위해 EvoMemState 프레임워크를 제안한다.
- 기존 시스템은 기억을 독립적인 사실로 관리하지만, 새로운 사실이 이전 정보를 어떻게 업데이트·제약·충돌하는지 간과하고 현재 요청에서의 적용 가능성을 명시하지 않는다.
- EvoMemState는 고정된 사실에 관계 상태(사실 간 유효성과 관계 변화)와 추론 상태(현재 요청에 대한 사실 적용 방식)를 추가하는 상태 중심 방식을 취한다.