경로 수준의 국지화 및 재작성을 통한 LLM 에이전트용 계층적 그래프 메모리

요약

LLM 에이전트의 장기 추론을 위해 계층적 그래프 메모리 프레임워크인 HiGram을 제안합니다. 경로 수준의 국지화와 재작성 기술을 통해 검색 시 무관한 문맥을 줄이고 메모리 업데이트의 효율성을 높였습니다.

핵심 포인트

• Coarse-to-fine 아키텍처를 통한 계층적 그래프 메모리 구조 제안
• MicroGraph를 활용한 경로 수준의 국지화로 검색 효율성 증대
• 단위 내/간 의존성을 동시에 수정하는 조정된 재작성 방법론
• 기존 방식 대비 답변 품질 및 토큰 효율성 개선 입증