효율적인 장기 에이전트 메모리를 위한 차원 구조화 프레임워크 DimMem

요약

DimMem은 LLM 에이전트의 장기 메모리 효율성을 높이기 위해 시간, 장소, 목적 등 명시적 필드를 사용하는 차원 구조화 프레임워크입니다. 이 방식은 기존의 평면적인 요약 방식보다 정확한 정보 회상을 가능하게 하며, 토큰 비용을 절감하면서도 높은 성능을 유지합니다. 특히 소형 모델을 미세 조정하여 대규모 모델에 필적하는 메모리 추출 성능을 구현할 수 있음을 입증했습니다.

핵심 포인트

• 메모리를 시간, 장소, 이유, 목적, 키워드 등 명시적 필드를 가진 원자적 단위로 구조화하여 차원 인식 검색 지원
• LoCoMo-10 및 LongMemEval-S 벤치마크에서 높은 정확도를 달성하며 기존 경량 메모리 시스템 능가
• LoCoMo 벤치마크 기준 쿼리당 토큰 비용을 24% 절감하여 효율성 증대
• Qwen3-4B와 같은 소형 모델을 DimMem 스키마로 미세 조정하여 GPT-4.1-mini 기반 시스템보다 우수한 추출 성능 확보