장기간 실행되는 적응형 지능형 에이전트(adaptive intelligent agents)는 지식 통합(knowledge consolidation)과 정보 무결성(information integrity) 사이의 구조적 긴장에 직면합니다. 전통적으로 메모리 통합은 에이전트를 변화시키는 작업으로 취급됩니다. 즉, 모델을 미세 조정(fine-tuning)하거나, 프롬프트(prompt)를 다시 작성하거나, 정책(policy)을 증류(distillation)하거나, 향후 행동을 제어하는 컨텍스트(context)에 성찰(reflection)을 추가하는 방식입니다. 규제된 자율 배포(regulated autonomic deployment) 환경에서 이는 리스크가 됩니다. 왜냐하면 에이전트는 특정 암호학적으로 인증된 정체성(identity)에 결속된 약속 및 감사 계약(audit contracts) 하에 작동하기 때문입니다.

우리는 통합을 플래너(planner)나 정체성 명세(identity manifest)의 변이(mutation)로 취급하는 대신, 에피소드 메모리(episodic memory)에 대한 결정론적 함수 $f: M^{ep}
ightarrow M^{sem}$으로 취급할 것을 제안합니다. 이 함수의 출력은 별도로 주소 지정이 가능한 의미론적 지식 계층(semantic knowledge layer)입니다. 정체성 해시(identity hash)는 $M^{sem}$을 읽지 않으므로, 통합은 에이전트의 인증된 정체성을 변경하지 않고 지식을 업데이트합니다. 우리는 에이전트 표현(agent representation)에 대한 공식적인 설명을 제공하고, 명세의 해시 입력 집합(hash-input set)에 대한 구조적 보조정리(structural lemma)를 통해 정체성 불변성(identity invariance)을 증명합니다. 또한 명시적인 신뢰도(confidence)와 지원 이벤트 출처(supporting-event provenance)를 가진 감사 가능한 데이터베이스 행(auditable database rows)을 출력하는 결정론적 집계 알고리즘(deterministic aggregation algorithm)을 명시합니다. 그리고 필드별 정확성, 통합 패스 전반에 걸친 바이트 단위로 동일한(byte-equal) 정체성, 그리고 보정된 베이지안 축소(Bayesian-shrunk) 베이스라인 대비 비생산적인 플래너 시도의 평균 79.82% 감소(10개 시드에 대해 95% BCa CI [78.02%, 81.49%])를 입증하는 합성 실험을 통해 이 구조를 검증합니다. 이 구조는 자율 에이전트를 위한 지식 업데이트 규율(knowledge-update discipline)로서, 에이전트의 인증된 정체성이 운영 수명 동안 바이트 단위로 동일하게 유지되는 동안 교훈이 쿼리 가능한 사실(queryable facts)로 축적됩니다. 구현된 서비스 에이전트(embodied service agent)를 실행 사례 연구로 활용합니다.