장기 메모리는 장기간의 상호작용과 변화하는 태스크 맥락에서 동작하는 대규모 언어 모델(LLM) 에이전트에게 점점 더 중요해지고 있다. 최근의 메모리 시스템은 과거 경험을 더 지속적이고, 간결하며, 검색 가능하게 만들었지만, 검색만으로는 메모리가 현재 쿼리에 대한 유효한 증거를 제공한다고 보장할 수 없다. 경험이 재사용 가능한 단편으로 압축될 때, 반복적으로 등장하는 개체나 사용자 상태를 포함하는 경우 서로 다른 상황의 메모리가 동등하게 관련성이 있어 보일 수 있다. 우리는 이러한 실패를 문맥 붕괴(context collapse)라고 부른다: 메모리가 현재 쿼리에 유효한 증거를 제공하는지 판단하는 데 필요한 주변 맥락을 잃게 되는 현상이다. 이 문제를 해결하기 위해, 우리는 검색된 메모리 단편을 맥락적으로 검증 가능한 증거로 변환하는 프레임워크인 에이전틱 메모리를 위한 문맥적 재현(RaMem, Contextual Reinstatement for Agentic Memory)을 제안한다. RaMem은 네 가지 조율된 단계를 통해 동작한다: (i) 증거 앵커링(evidence anchoring)은 각 메모리를 원래의 에피소딕 조건, 특히 이벤트 시간, 언급 시간, 세션 범위 및 참여자에 기반하여 고정시키고; (ii) 회상 조건 유도(recall condition induction)는 쿼리가 내포하는 증거 조건을 도출하며; (iii) 유효성 인식 검색(validity-aware retrieval)은 이러한 조건을 사용하여 맥락 호환 메모리를 우선시하는 동시에 내용 관련 후보를 대체 증거로 보유하며; (iv) 맥락 보존 합성(context-preserved synthesis)은 선택된 메모리의 구조화된 맥락을 생성기(generator)가 활용할 수 있도록 유지한다. 장기 메모리 벤치마크에 대한 실험 결과, RaMem은 여러 백본(backbone)에 걸쳐 평균 F1 점수를 10% 이상 향상시키며 강력한 메모리 베이스라인 대비 지속적으로 성능을 개선함을 보여준다.
소비자급 8GB VRAM 엣지 환경의 대화형 에이전트 장기 기억 한계를 해결하기 위해 CoreMem은 정보 기하학 기반 엣지-클라우드 아키텍처로, 리만 검색(Riemannian retrieval)과 피셔 유도 이산 토큰 증류(FDTD)를 통해 허브니스(hubness)와 구문 파편화를 완화합니다. LOCOMO·LongMemEval-S에서 오픈 도메인(+4.51%p)과 시간적 추론(+4.17%p) 정확도를 크게 높이면서 8GB VRAM 예산 내에서 동작합니다.
대규모 언어 모델(LLM) 에이전트는 점차 세션 간에 걸쳐 사용자에 대한 사실을 장기 기억으로 유지하고 있습니다. 그러나 이러한 기억은 보통 질문 행이나 에피소드에 대한 정확도를 집계하여 평가됩니다. 이 접근 방식은 질문 행을 독립적으로 채점하기 때문에, 여러 질문이 동일한 사실을 조사하는 경우에도 조건이 변할 때 해당 사실이 어떻게 반응하는지 보여줄 수 없습니다. 우리는 측정 단위가 지식 포인트(knowledge point)인 MemTrace라는 벤치마크를 소개합니다. 이는 개별 질문이 아닌 사용자에 대한 단일 유형의 사실을 의미합니다. MemTrace는 세 가지 통제된 차원을 따라 각 사실을 조사합니다: 기억 수명(memory age, 사실이 히스토리에 나타난 지 몇 세션 전인지로 정의됨), 질문 유형(question type, 현재 상태, 이전 상태, 변화 궤적 포함), 그리고 증거 조건(evidence condition, 존재, 누락, 거짓 전제에 의해 모순되는 설정 포함). 4가지 패러다임에 걸쳐 13가지 메모리 시스템 구성을 평가한 결과, 유사한 집계 정확도가 서로 다른 실패를 숨기고 있음을 발견했습니다. 사실의 현재 및 이전 상태를 복구하는 것이 그것이 어떻게 변했는지 추적하는 것을 의미하지 않으며, 안전한 회피가 거짓 전제를 수정하는 것을 의미하지 않습니다. 주요 병목 현상은 검색(retrieval)이 아닌 증거 활용입니다. 시스템이 실패할 때, 증거는 누락된 경우보다 10배 더 자주 검색 가능한 상태였습니다. 이러한 결과는 장기 기억을 개선하려면 단순히 더 많은 저장 공간이나 검색 능력이 아니라 도달 가능한 증거를 더 잘 활용해야 함을 시사합니다.