Just-in-Time Memory는 새 작업이 도착할 때 원시 에이전트 궤적을 정리한다
DAIR.AI는 Salesforce AI Research의 논문 Just-in-Time Memory를 소개한다. 이 논문은 원시 궤적을 유지하고 다음 작업이 도착한 뒤에야 짧은 메모리 페이로드를 작성하며, ALFWorld, WebShop, tau2-bench에서 가장 강한 기준선보다 성공률이 각각 16.2, 16.3, 3.9포인트 높다고 보고한다.
#agent-memory
모든 AI 뉴스 보기Jev-Mem 논문, AI 에이전트의 메모리 구축 속도 향상을 보고
Jev-Mem 논문은 경량 컨트롤러가 저장과 검색을 결정하고 LLM은 최종 추론에만 쓰는 에이전트 메모리 구조를 제안한다. 메모리 구축이 6.6배 빠르고, 질의 지연은 36.7% 줄며, LoCoMo 점수는 0.777이라고 보고한다.
Wiki Foundation Model, 연결된 마크다운 위키에서 에이전트 메모리 검색
WFM은 LLM 위키를 그래프로 바꾸고, 질의에 조건화된 메시지 전달로 검색한다. 각 페이지의 텍스트와 페이지 사이 링크가 함께 결과를 만든다. 연구팀은 GPU 간 학습 프로토콜이 10.5배 더 빠르게 학습한다고 밝혔으며, 에이전트 메모리와 다중 홉 추론을 다루는 벤치마크 5개에서 강한 결과를 보고했다.