최근 메모리 관리(memory management)는 장기 추론(long-horizon reasoning), 개인화된 응답, 지식 재사용에 직접적인 영향을 미치기 때문에 LLM 기반 에이전트의 핵심 인프라가 되었습니다. 그러나 기존의 LLM 메모리 시스템은 일반적으로 이질적인 사용자-LLM 상호작용 기록을 균일하게 취급하는 조립적(coarse-grained, utility-agnostic) 방식을 채택하여, 중복되거나 영향력이 낮은 기록이 메모리 저장소에 지속적으로 남아 있게 됩니다. 이러한 문제를 해결하기 위해, 우리는 메모리 기록을 일급 데이터 객체(first-class data objects)로 취급하는 가치 인식(value-aware) 메모리 관리 시스템인 MemLens를 제안합니다. MemLens는 Shapley 방식의 메모리 평가, 가치 인식 저장, 메모리 보조 응답을 포함하여 전체 메모리 수명 주기를 노출하는 엔드 투 엔드(end-to-end) 대화형 분석 대시보드를 제공합니다. Study-copilot 애플리케이션을 통해, 이 시스템은 사용자가 메모리 가치를 검사하고, 계층적 메모리 구조를 시각화하며, 응답 품질, 검색 지연 시간(retrieval latency), 토큰 소비 측면에서 다양한 메모리 관리 전략을 비교할 수 있도록 합니다. 따라서 우리의 MemLens는 LLM 기반 에이전트를 위한 효율적이고 해석 가능하며 개인화된 장기 메모리 관리 시스템 역할을 할 수 있습니다.