MemRefine: 장기 에이전트 메모리를 위한 LLM 기반 압축 기법

요약

MemRefine은 장기 상호작용에서 발생하는 대규모 언어 모델(LLM) 에이전트의 메모리 관리 문제를 해결하기 위해 제안된 기법입니다. 이 방법은 단순히 표면적 유사성 대신, 사실적 가치를 기반으로 LLM 심사위원이 삭제, 병합, 보존 결정을 내립니다. 이를 통해 제한된 저장 예산 내에서 유용한 정보를 효과적으로 유지하며 성능을 향상시킵니다.

핵심 포인트

• 장기 에이전트 메모리 관리는 정보 과부하 및 비용 증가 문제를 야기합니다.
• MemRefine은 표면적 유사성 대신 사실적 가치를 기반으로 메모리를 관리합니다.
• LLM 심사위원이 삭제, 병합, 보존 결정을 내리며 예산 제약을 충족시킵니다.
• 다양한 벤치마크에서 규칙 기반 모델보다 우수한 성능을 입증했습니다.