지속적 외부 메모리는 에이전트 연속성을 향상시키지만 지속적인 보안 취약점을 도입한다. 적대적 콘텐츠가 표준 상호작용 채널을 통해 주입되어 턴에 걸쳐 유지되고, 나중에 하류 동작을 왜곡할 수 있다. 이 과제를 해결하기 위해, 우리는 4가지 공격 유형, 3가지 주입 채널, 3가지 대표적 메모리 기질에 걸친 1227개의 수동 검증 사례를 포함하고, 7개의 오픈 가중치 및 3개의 클로즈드 가중치 모델 계열에서 평가된 포괄적인 벤치마크 및 분석 프레임워크인 MemPoison을 제안한다. 우리는 3단계 분류체계를 도입한다: (L1) 직접 단일 레코드 손상, (L2) 구성적 다중 레코드 손상, (L3) 컨텍스트 트리거 잠재 손상. 우리의 평가는 뚜렷한 방어 경계를 드러낸다. 일관성 검사와 같은 기준선 쓰기 시점 방어는 직접적인 L1 공격을 상당히 억제하지만, L2 및 L3 공격을 신뢰성 있게 억제하는 데는 실패한다. 기계론적 영향 분해(MID)를 통해, 우리는 쓰기 시점 방어의 구조적 사각지대를 입증하는데, 이는 표면상 무해해 보이는 레코드를 허용하여 나중에 결합 검색 구성이나 트리거 조건 활성화를 통해 유해해진다. 우리의 발견은 정적 필터링에서 적응적이고 컨텍스트에 민감한 메모리 방어 전략으로의 전환을 주장한다.
코딩 에이전트는 이제 팀 코드의 점점 더 큰 비중을 차지하지만, 각 변경 뒤의 추론—검토된 대안, 발견된 제약, 거부된 접근법—은 세션이 끝나면 사라지는 어시스턴트 대화 기록에 갇혀 있다. 이 설정, 즉 에이전트 개발 수명주기(agentic development lifecycle, ADLC)에서의 메모리는 보통 하나의 검색(retrieval) 문제로 정식화되고, 계층형 저장소, 메모리 그래프, 컴파일된 위키, 모델 기반 승인(model-judged admission) 같은 장치로 구축된다. 우리는 메모리가 대신 git에 기반(git-bound)해야 한다고 주장한다—저장소의 버전 관리에 내장되어, 그 장치가 구축하기 어려워하는 보장을 계승하는 것: 커밋으로부터의 정답(ground truth), 재빌드로부터의 신선도, 머지로부터의 검증, 리뷰로부터의 격리(containment). 이 원장(ledger) 위에서 우리는 두 문제를 각각 풀고, 이후 결합한다. 시드 공급(seed supply)은 사전 등록된 ship 규율 하의 8-코퍼스 검색 연구로 마무리된다: 5개의 도입된 순위 매커니즘은 거부되고 2개는 유지되며, 최적 구성은 ~0.31 pooled MRR이다—원시 대화 기록 grep 하한 대비 ~60배, 정직한 파싱된 턴 하한 대비 ~15배. 답변 조립(answer assembly)은 순위 매기기가 더 이상 도움이 되지 않는 지점이다: 단일 샷 검색은 실제 개발자 질문에서 0.07–0.20의 답변 충분성(answer-sufficiency)만 기록하며, 게이트 없는 에피소드(episode) 주입은 좋은 답변을 눈에 띄게 악화시킨다. 라우터는 폭(breadth)은 git-고정 구조 맵으로, 지향적 조회(pointed lookups)는 신뢰도 게이트 에피소드로, 근거(rationale)는 어떤 단일 세션에도 담기지 않는 why-arc를 재구성하는 의사결정 합성(decision synthesis)으로 보낸다(코드 약 5만 LOC의 신규 프로덕션 시스템에서 0.83 충분성). 라우팅된 시스템은 질문당 382–980 토큰으로 답한다—기록된 이력보다 3자릿수(약 1000배) 낮다. 정답(ground truth)이 어노테이션이 아니라 커밋-세션 링크에서 추출되기 때문에, 모든 결과는 라벨링 비용 없이 모든 사용자 자신의 이력에서 재현 가능하다. 남은 제약은 캡처(capture)다. 코드, 벤치마크, 논문 소스: github.com/rekal-dev/rekal-cli.
대규모 언어 모델(LLM) 에이전트는 여러 과업에 걸쳐 경험을 축적하기 위해 외부 메모리 시스템에 점점 더 의존하고 있다. 그러나 그래프 구조 메모리부터 반성적 인사이트 저장소까지, 거의 모든 기존 접근법은 고정된 수작업 설계 휴리스틱을 통해 메모리에 접근한다. 우리는 메모리에 대한 이러한 정적 관점이 에이전트 학습의 핵심 병목이라고 주장하는데, 이는 최적의 메모리 동작이 근본적으로 문맥에 따라 달라지기 때문이다. 과업 초기에는 메모리가 희박하므로 최소한의 검색(retrieval)이 유리하고, 반복되는 목표 유형은 일반적인 최근접 이웃(nearest-neighbor) 조회보다 계획 재사용이 유리하며, 진행이 막힌 에이전트는 대안 쿼리를 통한 재검색이 유리하고, 긴 과업 스트림 전반에서는 메모리 저장소 자체를 통합(consolidation)하고 가지치기(pruning)해야 유용성을 유지할 수 있다. 우리는 메모리 연산을 마르코프 결정 과정(MDP)으로 모델링하고, 언제·무엇을·얼마나 검색할지, 언제 정제된 계획을 주입할지, 언제 통합하거나 망각할지를 적응적으로 결정하는 온라인 정책을 학습하는 프레임워크인 Memory as a Controlled Process(MemCon)를 제안한다. MemCon은 백엔드에 무관하다: 기존 어떤 메모리 구현이든 감싸며, 사전학습(pre-training)이나 추가 LLM 호출 없이 과업별 이진 피드백으로 학습하고, 수십 개의 과업 내에서 수렴하는 UCB 탐험이 적용된 경량 표 형식(tabular) 컨텍스트 밴딧(contextual bandit)을 사용한다. 6개 벤치마크, 3개 에이전트 프레임워크, 3개 LLM 백본에서 MemCon은 과업 성공에서 최대 15.2점까지 여러 메모리 베이스라인을 일관되게 능가하면서 토큰 소비를 5--20% 절감한다.
에이전트 메모리는 장기 수행 에이전트에게 시스템 문제이다. 실제 배포에서는 확장된 대화 전반에 걸친 작업 상태 유지, 세션 간 사용자 고유 사실과 선호의 복구, 이전 결과로부터 절차적 지식의 축적이 필요하다. 이러한 요구사항은 문서 검색을 넘어선다. 메모리 층은 어떤 상호작용이 영속 상태가 되는지, 그 상태가 어떻게 범위가 설정되는지, 지연 제약 하에서 어떻게 검색되는지, 시간이 지남에 따라 어떻게 수정되거나 제거되는지를 결정해야 한다. 본 보고서는 Oracle Database 기반의 데이터베이스 네이티브 메모리 기판으로서 Oracle Agent Memory를 연구한다. 세 가지 주제가 논의를 구성한다. 첫째, 수집(ingestion), 추출(extraction), 통합(consolidation), 검색(retrieval), 요약(summarization), 수정 또는 제거를 아우르는 생애주기로서의 메모리. 둘째, 사용자, 에이전트, 스레드 간 명시적 범위 제어와 함께 능동 메모리 코어와 수동 메모리 저장소 인터페이스를 분리하는 계층형 아키텍처. 셋째, 하류(downstream) 작업 정확도에 증거 검색, 재현율, 지연, 예상 토큰 사용량과 같은 메모리 중심 지표가 보완되는 평가 방법론. 보고서는 LongMemEval 결과를 요약하며 93.8% 정확도를 달성했고, Oracle Agent Memory를 평탄 기록(flat-history) 베이스라인과 비교하여 약 10.7배 적은 토큰을 사용했으며, 가능한 경우 게시되었거나 보고된 외부 베이스라인과도 비교하고, 설정, 스레드 생애주기, 검색 의미론을 다루는 구현 지향 부록 자료로 마무리한다.
상태 유지 개인 에이전트(stateful personal agent)는 점점 더 장기 사용자 프로필, 에피소딕 메모리, 재사용 가능한 스킬을 관리하게 되었다. 이러한 지속성(persistence)은 대화적 아첨(conversational sycophancy)을 상태 쓰기 실패(state-writing failure)로 전환시킨다. 즉, 사용자 중심의 주장이 수용되면 지속적인 선호, 배경 사실, 또는 워크플로우로 커밋되어 원래 대화가 사라진 이후에도 재사용될 수 있다. 우리는 이를 지속적 아첨(persistent sycophancy)이라 명명하고, 개인 에이전트 아첨 벤치마크(PASB, Personal Agent Sycophancy Benchmark)를 소개한다. PASB는 1,600개의 태스크로 구성된 벤치마크로, 대화 중 주장이 수용되고 에이전트의 지속적 상태(durable agent state)에 기록된 후 이후의 중립적 질의에서 재사용되는지를 추적한다. 사전 작성된 메모리를 제공하는 기존 벤치마크와 달리, PASB는 무엇을 저장할지 스스로 결정하는 실제 에이전트(Hermes-Agent와 OpenClaw)를 평가한다. 네 가지 시나리오 프레이밍과 네 가지 시간적 전달 패턴을 결합하고, 다섯 턴의 지속(persist) 단계와 초기화된 세 턴의 질의 단계를 분리함으로써 쓰기 과정을 고립시켜, 하위 효과가 오직 지속적 상태에서만 발생하도록 보장한다. 12개 모델에 걸쳐, 커밋 경계(commit boundary)가 핵심 변곡점임이 확인되었다. 세션 한정 에피소드에서의 45.0%에서 커밋 이후 71.9%로 하위 실패율이 증가하며, 27.0 퍼센트 포인트의 일관된 증가를 보인다. 커밋된 주장은 세 가지 쓰기 시점 패턴을 보인다: 지위 승격(status promotion), 출처 제거(attribution removal), 범위 확장(scope broadening). 이러한 패턴은 메모리 유사 또는 절차적 프레이밍, 반복적 강화, 심지어 도메인 경계를 넘어서도 강화된다. 이러한 결과는 에이전트 아첨이 근본적으로 상태 쓰기 거버넌스 문제임을 보여준다. 사용자 콘텐츠가 지속적 메모리에 커밋된 이후에는, 안전성이 에이전트가 말하는 것뿐만 아니라 기록하는 것도 통제해야 한다. PASB는 저장된 콘텐츠의 출처, 역할, 범위를 응답 수준의 완화 조치 이상으로 보존하면서 위험한 커밋을 차단하는 데 필요한 쓰기 시점 제어 수단을 식별한다.
Large language model (LLM) agents increasingly rely on external tools served by shared providers and accessed by heterogeneous downstream agents. Existing approaches improve tool use on the agent side through parameter updates, prompt refinement, or agent-side memory, making tool knowledge difficult to share and limited to behaviors observed in past tasks. We argue that reusable tool knowledge should instead be maintained by the tool provider. We introduce ToolAtlas, a graph-based framework that builds a persistent provider-side tool memory of tool capabilities, failure boundaries, and cross-tool compositions through execution-verified probing. At inference time, agents query the tool memory via adaptive graph traversal. Across two MCP-based benchmarks spanning eight services, ToolAtlas outperforms existing tool-side optimization and agent-side memory baselines by up to 21.61% in pass@1 and 18.61% in pass@4. The same tool memory also transfers across environment instances and agent frameworks without retraining or task-time exploration, yielding up to 24.16%/16.22% and 17.49%/14.27% relative gains in pass@1/pass@4, respectively. Ablation studies show that these gains arise from combining tool-centered memory organization with capability-guided execution probing. These results establish provider-side tool memory as an effective and reusable paradigm for tool servers. Our code is in: https://github.com/PuppyKnightUniversity/ToolAtlas.
파운데이션 모델 에이전트의 배포 시점 메모리 설계가 개인화 유용성, 적대적 정보 추출, 삭제 충실도에 미치는 영향을 분석하기 위해 개인화 재현율(PR), 적대적 추출률(AER), 망각 잔류 점수(FRS)를 도입하고 LongMemEval에서 실험한 결과, 핵심 사실 요약 방식이 카나리아 추출을 약 60% 감소시키면서 개인화 성능을 거의 유지하지만, 원본 청크만 삭제하는 방식은 파생 요약본에 정보가 약 20% 잔류하여 완전한 망각을 보장하지 못함을 보였다.
StateFuse는 멀티 에이전트 시스템에서 브랜치·재시도·레플리카 전반의 충돌 관측값을 덮어쓰지 않고 보존하기 위해, 표준 OpSet/CRDT 병합 위에 불변 이력·명시적 충돌 객체·의미론적 수정 핸들(claim_ref)을 갖춘 에이전트 대면 메모리 계약을 정의한다. MemoryAgentBench 충돌 포함 슬라이스 평가에서 답변 정확도는 기준선들과 동점이지만, 충돌을 보존하는 표면이 모순을 가시화하고 안전한 기권·감사 가능한 수정을 가능하게 한다는 점에서 더 안전한 공개 메모리 계약임을 보인다.
While current AI agents support increasingly long context windows, tool use, and skill execution for long-horizon tasks, they still require memory systems to effectively leverage historical experience. Existing memory frameworks typically rely on fixed storage, retrieval, and summarization mechanisms, which can be rigid across different tasks and often require manual tuning. To address this limitation, we propose SelfMem, a self-optimizing memory framework. Inspired by prior work on self-improving AI, we follow the principle of "teaching an agent to fish rather than giving it a fish." Instead of forcing the model to follow a predefined memory strategy or format, SelfMem provides an environment with memory tools and feedback signals that allow the agent to explore, evaluate, and refine its own memory strategy. Our results show that SelfMem consistently outperforms retrieval, compression, and agent-memory baselines on BEAM across conversation scales from 100K to 1M tokens. Compared with the strongest baseline, SelfMem improves the official score by 48.7%, 40.8%, and 41.9% at 100K, 500K, and 1M, respectively. Further question-type analysis shows broad robustness across diverse memory demands, and our optimization study shows that model-guided strategy refinement further improves performance.
장기 실행 AI 에이전트는 상호작용 전반에 걸쳐 연속성을 필요로 하지만, 연속성은 단순히 프롬프트 윈도우를 확장하는 것만으로는 확보할 수 없다. 에이전트는 유용한 과거 경험을 보존하고, 선택적으로 검색하며, 개인적 맥락을 외부 증거와 구별하고, 기저 상황이 변화할 때 메모리를 수정할 수 있어야 한다. 우리는 두 직교 축을 따라 구성된 아키텍처적 메모리 기반을 제안한다: 구조화된 레코드, 벡터 표현, 그래프 관계에 걸친 표현 축과 단기 추적, 중기 추상화, 장기 의미론적 커밋에 걸친 시간 축이다. 핵심 설계 제약은 동기화된 구조-벡터-그래프 메모리로, 구조화된 레코드는 적격성을 결정하고, 벡터 표현은 회상을 지원하며, 그래프 관계는 게이트된 컨텍스트 프로젝션 이전에 지지, 모순, 대체를 판정한다. 중심 주장은 신뢰할 수 있는 개인화가 메모리 설계 문제라는 것이다: 유용한 메모리는 미분류 대화 기록으로 저장되는 것이 아니라, 구조화되고 선택적으로 노출되며 지속적으로 통합되고 인식론적으로 레이블된다. 프레임워크를 넘어, 우리는 구조화된 레코드, 벡터 검색, 시간적 정책, 그래프 기반 수정을 구현하는 경량 프로토타입으로 MRMS를 구체화한다. 이 프로토타입은 명시적인 증거 요건을 갖춘 제어된 장기 상호작용 시나리오에서 생성 전 메모리 선택, 수정, 경계 강제, 증거 귀인을 통해 핵심 기반 메커니즘을 실증한다.
평생 에이전트(lifelong agent)는 더 큰 컨텍스트 윈도우와 더 나은 검색 이상의 것을 필요로 한다. 에이전트에게는 매 턴마다 서빙 스택이 동일한 히스토리를 재연산하도록 강제하거나 오래된 런타임 상태를 무음으로 재사용하지 않고도, 지속되고 진화하며 수정될 수 있는 메모리가 필요하다. 우리는 PLACEMEM을 평생 에이전트 메모리에 관한 시스템 포지션으로 제시하며, 실행 가능한 제어 플레인 프로토타입으로 구체화한다. 핵심 주장은 에이전트 메모리가 의미론, 출처, 유효성, 그리고 재사용 가능한 런타임 상태를 단일 수정 인식 식별자 아래 통합하는 버전 관리 캡슐(versioned capsule)로 표현되어야 한다는 것이다. 현재 프로토타입에서 캡슐은 프롬프트 수준 텍스트 검색, KV 인식 라우팅, 그리고 라이브 스트리밍 백엔드에 대한 연쇄 무효화(cascading invalidation)를 구동한다. 전망적 층-프런티어 재생(prospective layer-frontier replay)은 주장된 엔진 기능이 아닌 심층 통합 과제로 의도적으로 구성된다. 우리는 영속적 캡슐 상태, 동시성 안전 무효화, OpenAI 호환 라우팅 사이드카, 타입 지정 메타데이터 계약, 그리고 라이브 첫 번째 토큰 지연 시간, 재사용, 수정 후 동작을 측정하는 벤치마크 하네스를 갖춘 vLLM 우선 프로토타입을 설명한다. 결과물은 오늘날 수정 인식 제어 플레인 동작을 시연하는 실행 가능한 아티팩트이자, 미래 평생 에이전트 시스템에서 재생 인식 서빙 통합을 위한 구체적인 로드맵이다.
대규모 언어 모델(LLM) 에이전트는 축적된 경험을 통해 성능을 향상시킬 수 있지만, 상호작용이 증가함에 따라 자유 형식의 텍스트 기반 메모리는 유지·검증·재사용이 어려워진다. 최근의 심볼릭 접근법들은 실행 가능한 스킬이나 프로그래밍 방식의 월드 모델을 학습하지만, 로컬 프로시저만을 저장하거나 단순화된 동역학을 가정하는 경우가 많다. 우리는 경험을 실행 가능한 객체 중심 환경 모델로 구조화하는 객체 중심 환경 모델링(OCM, Object-Centric Environment Modeling)을 제안한다. OCM은 두 개의 연결된 코드베이스를 유지한다: 환경 엔티티와 메커니즘을 Python 클래스로 정의하는 객체 지식(object knowledge)과, 객체 모델을 임포트하고 사용해야 하는 재사용 가능한 상호작용 패턴을 기록하는 프로시저 지식(procedure knowledge)이다. OCM은 온라인 설정에서 동작한다: 각 에피소드 이후 궤적을 반성하고, 두 지식 베이스를 모두 업데이트하며, 업데이트된 객체 모델에 대해 모든 프로시저가 실행됨을 검증한다. 이후 상호작용 시 에이전트는 점진적 지식 공개(progressive knowledge disclosure)를 활용하여 먼저 간결한 코드 시그니처를 검사하고 필요할 때만 소스 코드를 읽는다. 실험 결과, OCM은 벤치마크 전반에 걸쳐 최고의 평균 순위를 달성하고 유효하지 않은 행동을 줄였으며, 이를 통해 에이전트가 객체 중심 환경 모델을 구축함으로써 이점을 얻을 수 있음을 입증한다.
Memory expertise is a learned skill: knowing what to encode, when to retrieve, and how to organize knowledge--a capacity known in cognitive science as metamemory. We bring this perspective to LLMs by treating memory management as a trainable skill. We promote file-system operations to first-class memory actions alongside task actions, letting the model itself decide how to manage its memory. This memory skill improves along two axes: the structure that supports it (prompts, file schemas, action vocabulary), and the proficiency of the model exercising it. Both axes resist manual optimization: episodes in long-horizon tasks run for thousands of steps, and a single memory mistake can hide long before it surfaces, making human review of full trajectories impractical. We introduce AutoMem, a framework that automates both axes. In the first loop, a strong LLM reviews complete agent trajectories and iteratively revises the memory structure that shapes how the agent interacts with its memory files. In the second loop, the agent's own good memory decisions are identified from many episodes and used as training signal to sharpen the model's memory proficiency directly. Across three procedurally generated long-horizon games (Crafter, MiniHack, and NetHack), optimizing memory alone--without modifying the model's task-action behavior--improved the base agent's performance ~2x-4x, bringing a 32B open-weight model competitive with frontier systems such as Claude Opus 4.5 and Gemini 3.1 Pro Thinking. Our results show that memory management is an independently learnable skill, and a high-leverage objective yielding large gains on long-horizon tasks.
에이전트의 장기 메모리가 사용자의 과거 잘못된 믿음이나 선호를 사실 증거로 오인하게 만드는 "메모리 유발 아첨(memory-induced sycophancy)" 문제를 다루며, 이를 체계적으로 평가하기 위한 MemSyco-Bench를 제안한다. 이 벤치마크는 에이전트가 메모리를 사실 증거로 거부하거나, 적용 범위를 준수하거나, 객관적 증거와의 충돌을 해결하는 등 5가지 태스크를 통해 기존 메모리 벤치마크가 검색 성공 여부에만 집중해 왔던 한계를 보완하고, 검색 후 추론 단계에서의 신뢰성을 평가한다.
Sequentially evolving LLM memory enables agents to reuse past experience, but existing systems usually deploy each locally generated memory update without checking whether it improves future behavior. As a result, updates that help the current task may overwrite useful knowledge, introduce over-specific rules, or bias the final memory toward recent examples. We propose Janus, a plug-in memory controller that decides whether to accept a candidate memory update or retain the previous memory. To make this decision efficient, Janus uses a Memory Momentum Trigger to identify suspicious deviations in the memory-update trajectory, and compares old and new memories on a compact hybrid evaluation set of coverage, boundary, and fresh tasks instead of replaying the full history. Janus is method-agnostic and wraps existing updaters without changing their update rules. Across six datasets, two backbone LLMs, and two memory updaters, Janus improves average accuracy by +2.7 to +4.6 points over the corresponding base updaters.
멀티모달 AI 에이전트에서 텍스트 삭제 후에도 보존된 사용자 이미지로부터 삭제된 사실이 복원되는 정보 누출 문제를 진단하기 위해, 메모리 표현을 삭제 적합성에 따라 분류하는 정보 출처 그래프(IPG)와 벤치마크 MemLeak을 제안한다. 평가 결과, 보존된 이미지로부터 12.0%의 복원율이 관찰되었으며 이 중 47%는 텍스트로는 탐지 불가능했고, 콘텐츠 인식 의미적 삭제 방식을 적용하면 잔류 누출을 2.0%까지 줄일 수 있음을 여러 VLM과 실서비스 메모리 시스템에서 실증했다.
에이전트 메모리 시스템은 검색-증강 생성(RAG) 및 전체 컨텍스트 기준선과 비교하여 평가되는 사례가 늘고 있지만, 보고된 성능 향상은 메모리 방법의 변화와 언어 모델, 임베딩 모델, 또는 검색 파이프라인의 변화가 뒤섞여 있어 실제로 무엇이 측정되고 있는지 불분명한 경우가 많다. 우리는 LongMemEval-S(500개 질문, 50개 이상의 세션, 3개 모델 패밀리)에서 한 번에 하나의 구성 요소만 변경하는 통제된 평가 프로토콜인 MemDelta를 제시한다. 네 가지 결과가 도출되었다: (1) 축어적 RAG는 전체 컨텍스트 GPT-4o-mini와 유사한 성능을 보이지만(47.2% 대 49.8%, p = 0.34), 모델에 따라 순위가 역전된다. Gemini는 전체 컨텍스트에서 +14pp를 획득하는 반면, Sonnet은 RAG에서 +31pp를 획득하는데, 이는 부분적으로 전체 컨텍스트 쿼리의 63%를 거부하기 때문이다. (2) 동일한 파이프라인에서 임베딩 모델만 교체하면 n = 500에서 정확도가 +6.2pp 변화하며(p = 0.004), Mem0은 MiniLM-RAG보다 +11pp 높지만 클라우드 RAG보다 1.2pp 낮아, 하나의 변수가 결론을 뒤집는다. (3) 에이전트 자기 메모리(42%)는 기본 검색(47%)보다 낮은 성능을 보인다. (4) 6가지 질문 유형 중 2가지(n = 88)에서 Mem0은 50배의 비용으로 클라우드 RAG와 유사한 성능을 보여(72.7% 대 73.9%, p = 1.0), 일반적인 향상이 아닌 좁은 범위의 향상임을 시사한다. 우리는 메모리 평가 시 비교 전반에 걸쳐 임베딩 모델을 고정하고, 모델 패밀리별로 층화하며, 아키텍처에 성능 향상을 귀속하기 전에 쓰기 경로 비용을 보고할 것을 권장한다.
대규모 언어 모델(LLM)은 정적 솔버로서 뛰어난 성능을 발휘하지만, 이를 자율 에이전트로 전환하는 것은 여전히 어렵다. 이 전환을 위해서는 지속적인 환경 상호작용이 필요하지만, 현재의 에이전트는 필수적인 지속적 절차적 메모리가 부족하다. 기존 접근법은 주로 검색-증강 생성(RAG)을 활용하여 명시적인 텍스트 가이드라인을 모델 컨텍스트에 주입한다. 그러나 기호적 지시문에만 의존하면 텍스트-행동 불일치가 발생할 수 있으며, 올바른 태스크 수행에 필요한 내부 표현을 활성화하는 데 자주 실패한다. 이를 해결하기 위해 본 논문은 명시적 지시문 대신 암묵적 활성화 조종을 통해 에이전트 메모리를 표현하는 학습 불필요 프레임워크인 신경 절차적 메모리(NPM, Neural Procedural Memory)를 제안한다. NPM은 과거 대조 경험으로부터 절차적 기술을 증류하여 활성화 공간의 조종 벡터로 변환함으로써, 태스크 관련 신경 메커니즘을 직접 활성화하여 태스크 수행을 안내한다. 네 가지 에이전트 벤치마크에 대한 평가 결과, NPM은 명시적 텍스트 지시문을 사용하는 기준 모델과 비슷한 성능을 보인다. 또한, 암묵적 조종과 명시적 워크플로우를 결합하면 상호 보완적 이점을 제공하여 더 강건한 태스크 수행으로 이어짐을 결과가 보여준다. 표현 분석에 따르면 이러한 조종 벡터는 일관된 태스크 논리를 인코딩하며, 활성화 공간 내에 조직화된 구조를 형성한다. 이러한 발견은 암묵적 활성화 조종이 에이전트 메모리 관리를 위한 유망한 접근법임을 시사한다.
장기 대화 에이전트는 세션을 초월하여 복잡한 상관관계를 지닌 다중 유형의 정보를 기억하고 질의할 수 있어야 한다. 기존 에이전트 메모리 시스템은 이기종 벡터 데이터베이스와 그래프 데이터베이스에 의존하여 메모리 정보를 단편화하고 높은 데이터베이스 간 I/O 지연을 초래한다. 검색 측면에서는 일반적인 검색-증강 생성(RAG) 방식의 방법들이 노이즈를 유발하고 상관 단서를 놓치며 토큰 예산 제어가 부족하여 대규모 언어 모델(LLM)의 정확도와 효율성을 저하시키는 경향이 있다. 우리는 단편화된 메모리 표현과 저장소를 통합된 메모리 네이티브 아키텍처로 통합하는 응집형 메모리 시스템인 Mandol을 제안한다. 핵심 구성 요소는 다음과 같다: (1) 메모리를 원시 메모리 정보를 나타내는 기본 층과 기본 메모리들을 추적 가능한 추상 메모리로 응집하는 고수준 추상 층으로 구성하는 계층적 메모리 모델로, 두 층 모두 구조화된 시맨틱 그래프로 균일하게 표현된다; (2) SemanticMap과 SemanticGraph를 결합한 응집형 시맨틱 데이터 구조로, 키-값, 벡터, 그래프 구조를 기본적으로 융합하고 데이터베이스 간 I/O를 제거하는 통합 하이브리드 검색 연산자를 제공한다; (3) 질의 적응형 라우팅, 정량적 노이즈 제거 및 충돌 해결, 토큰 제한 컨텍스트 생성을 갖춘 정량적 질의 메커니즘으로, 검색 시 LLM을 일절 사용하지 않는다. 널리 사용되는 두 장기 대화 벤치마크인 LoCoMo와 LongMemEval에서의 실험 결과, Mandol은 대표적인 에이전트 메모리 시스템들 중 최고의 전체 정확도를 달성한다. 성능 비교 측면에서 Mandol은 10 QPS 동시 부하 환경에서 5.4배의 검색 속도 향상과 4.8배의 삽입 속도 향상을 달성하면서도 소비자급 하드웨어에서 낮은 지연 시간을 유지한다.
When does retention matter for memory-augmented LLM agents? We study this with TraceRetain, a lightweight framework for bounded external memory in frozen LLM agents that scores entries by interpretable features (success, age, access frequency, redundancy, specificity, similarity, downstream utility) and evicts the lowest-scoring ones at capacity. On clean ALFWorld with gpt-5-mini, external memory robustly improves over no memory across two seeds, but differences among bounded retention policies fall within Wilson 95% CIs: clean ALFWorld at T=100 to T=200 does not naturally exhibit the memory pollution retention is designed to address. Under a controlled noisy-write stress (75% synthetic distractors), unbounded memory and FIFO-K50 degrade on Precision@5 (20.2% to 12.4% and 15.8% to 3.8%) while TraceRetain-CEM is essentially unchanged (16.9% to 16.6%) and preserves 97/100 task success. The mechanism: unbounded memory has the highest mean similarity (0.87) but lowest precision, indicating failed distractors close to the query in embedding space. Held-out in-distribution evaluation shows memory-augmented policies solving 47 to 49 of 50 tasks vs. 39/50 for no memory. Bounded retention buys memory and step efficiency on saturated clean benchmarks at no task-success cost, and only differentiates from cache heuristics when streams contain noise.