설명(Description)이 아닌 결정(Decision)을 기억하라: 에이전트 메모리를 위한 비트율-왜곡 프레임워크

장기적인 호흡의 언어 에이전트는 제한된 런타임 메모리 하에서 작동해야 합니다. 하지만 기존의 메모리 메커니즘들은 관련성(relevance), 두드러짐(salience) 또는 요약 품질과 같은 설명적 기준을 중심으로 경험을 구성하는 경우가 많습니다. 그러나 에이전트에게 있어 메모리는 과거를 충실하게 묘사하기 때문에 가치 있는 것이 아니라, 좋은 결정을 지원하기 위해 고정된 예산 하에서 분리되어야 하는 히스토리 간의 구분을 보존하기 때문에 가치가 있습니다. 우리는 이를 결정 중심의 비트율-왜곡(rate-distortion) 문제로 설정하고, 압축으로 인해 유발되는 달성 가능한 결정 품질 손실을 측정하여 메모리 품질을 측정합니다. 이는 안전하게 잊어버릴 수 있는 것에 대한 정확한 망각 경계와, 메모리 예산과 결정 품질 사이의 최적 트레이드오프를 특성화하는 메모리-왜곡(memory-distortion) 프론티어를 제공합니다. 이러한 결정 중심적인 메모리의 관점에 영감을 받아, 우리는 DeMem을 제안합니다. DeMem은 공유된 상태가 결정 충돌을 유발한다는 데이터가 인증할 때만 파티션을 개선하는 온라인 메모리 학습기이며, 근사 최소-최대 후회(near-minimax regret) 보장을 증명합니다. 통제된 합성 진단 환경과 장기적인 대화 벤치마크 모두에서 DeMem은 동일한 런타임 예산 하에 일관된 성능 향상을 보여주며, 메모리는 설명이 아닌 결정에 중요한 구분을 보존해야 한다는 원칙을 뒷받침합니다.