장기 기억은 사용자와 여러 세션에 걸쳐 지속되는 상호작용을 동반하는 LLM 기반 에이전트의 기초 역량이 되었습니다. 하지만 기존 벤치마크들은 이러한 메모리를 거의 전적으로 다운스트림 질문 응답을 통해 평가하며, 최종 답변의 정확도만을 점수화합니다. 이러한 블랙박스 형태는 관련 사실의 누락, 연산을 잘못된 타겟에 바인딩하는 것, 또는 수정 후 오래된 값(stale values)에 의존하는 것과 같은 메모리 실패의 이질적인 원인들을 혼합합니다. 그 결과, 일관성이 없거나 안전하지 않은 메모리 상태에 의존함에도 불구하고 정확한 답변을 인정할 수 있습니다. 본 논문에서 우리는 동적 장기 대화 상호작용에서 메모리가 정적인 사실들의 집합이 아니라, 기억(remembering), 망각(forgetting), 업데이트(updating), 성찰(reflecting) 및 이들의 조합을 포함하는 명시적 연산의 생애 주기라고 주장합니다. 우리는 대화형 메모리를 생애 주기 연산의 시퀀스로 재구성하고, 각 메모리 이벤트를 트리거, 타겟, 범위, 상태 전이, 그리고 지원 증거를 명시하는 구조화된 추적(structured trace)으로 표현하는 벤치마크 MemOps를 소개합니다. 제어 가능한 생성 파이프라인은 이러한 연산들을 길고 작업 지향적인 대화에 내재화하고, 여섯 가지 범주의 연산 레벨 프로브와 함께 골드 연산 추적을 생성하며, 이는 인접 증거(adjacent-evidence) 및 장문맥(long-context) 설정 모두에서 평가됩니다. 장문맥, 검색 기반, 파라미터 기반, 그리고 관리 메모리 시스템 전반에 걸쳐 MemOps는 최종 답변 정확도만으로는 숨겨지는 실패 모드들을 분해하여, 현재 시스템들이 균일하게 신뢰할 수 있는 상태와는 거리가 멀다는 것을 밝혀냅니다. 예를 들어, 세션 레벨 검색이 턴 레벨 검색보다 우수하며, 장문맥 모델들은 순서화된 메모리 상태 궤적을 재구성하는 데 여전히 현저히 취약합니다. 이러한 결과는 장기 메모리 평가를 최종 답변 점수화에서 해석 가능한 연산 레벨 진단으로 이동시킵니다.