PRISM: 의도 인식 구조화된 메모리(Intent-Aware Structured Memory)를 통한 장기적 에이전트(Long-Horizon

요약

PRISM은 장기적 언어 에이전트가 직면하는 메모리 관리 문제를 해결하기 위해 제안된 학습이 필요 없는(Training-free) 검색 프레임워크입니다. 이 프레임워크는 그래프 구조 메모리를 활용하여 공동 검색 및 압축을 수행하며, 네 가지의 추론 시간 구성 요소를 결합합니다. PRISM은 적응형 의도 라우팅, 계층적 번들 검색 등을 통해 필요한 증거를 효율적으로 찾아내고, 이를 압축된 컨텍스트로 제공함으로써 정확도와 메모리 사용량 측면에서 기존 방식보다 월등한 성능을 보여줍니다.

핵심 포인트

• PRISM은 장기 에이전트의 메모리 관리 문제를 해결하는 학습 불필요(Training-free) 검색 프레임워크이다.
• 네 가지 직교 추론 구성 요소(계층적 번들 검색, 쿼리 민감형 엣지 비용 산정, 증거 압축, 적응형 의도 라우팅)를 결합하여 작동한다.
• 검색을 최소 비용 선택 문제로 공식화하고 LLM 측 압축과 결합하여 컨텍스트 예산 내에서 최적의 증거를 찾아낸다.
• LoCoMo 벤치마크에서 기존 베이스라인 대비 높은 정확도를 유지하면서도 컨텍스트 사용량을 대폭 줄여 성능 우위를 입증했다.