Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
에이전트의 정체성을 유지하면서 지식을 통합하는 새로운 구조를 제안합니다. 에피소드 메모리를 의미론적 지식 계층으로 변환하는 결정론적 함수를 통해, 에이전트의 인증된 정체성(identity)을 변경하지 않고도 효율적인 지식 업데이트가 가능함을 증명합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기장기간 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.