StructMem: 장기 행동을 위한 구조화된 메모리 프레임워크

요약

장기간의 대화나 복잡한 작업을 수행하는 에이전트에게는 단순 사실 나열 이상의 관계적 기억 능력이 필수적입니다. 기존 방식은 평면 메모리(Flat memory)로는 구조 파악에 한계가 있고, 그래프 기반 메모리(Graph-based memory)는 구축 비용과 불안정성이 높습니다. 본 논문에서 제안하는 StructMem은 이러한 문제를 해결하기 위해 이벤트 수준의 바인딩을 유지하고 교차 이벤트를 유도하는 계층적 메모리 프레임워크입니다. 구조화된 접근 방식을 통해 시간적 추론(temporal reasoning) 및 다단계 질문 응답(m

핵심 포인트

• StructMem은 단순 사실 나열이 아닌 이벤트 간의 관계를 포착하는 구조화된 계층적 메모리 프레임워크입니다.
• 시간적 앵커링(temporally anchoring dual perspectives)과 주기적인 의미론적 통합(semantic consolidation)을 통해 성능을 개선합니다.
• 기존 메모리 시스템 대비 토큰 사용량, API 호출 및 런타임 측면에서 상당한 효율성 향상을 보였습니다.