하이브리드 구조를 통한 에이전트 메모리의 진화 및 검색을 위한 새로운 메모리 메커니즘 H-Mem

요약

LLM 기반 에이전트의 메모리 진화 모델링과 효율적인 검색 문제를 해결하기 위해 새로운 메모리 메커니즘인 H-Mem을 제안합니다. H-Mem은 단기 메모리가 장기 메모리로 점진적으로 진화하는 시간적·의미적 트리 구조와 엔티티 간 관계를 포착하는 지식 그래프를 결합한 하이브리드 구조를 사용합니다. 실험 결과, H-Mem은 다양한 에이전트 메모리 벤치마크의 QA 작업에서 최첨단(SOTA) 성능을 기록했습니다.

핵심 포인트

• 단기 메모리가 요약된 형태의 장기 메모리로 진화하는 시간적 및 의미적 트리 구조 구축
• 엔티티 간의 관계를 효과적으로 포착하기 위한 지식 그래프(Knowledge Graph) 활용
• 트리 구조와 그래프 구조를 결합한 하이브리드 방식의 효율적인 메모리 검색 메커니즘 제공
• 에이전트 메모리 벤치마크 QA 작업에서 최첨단(SOTA) 성능 달성