[논문] 에이전트 메모리: 상태 유지 장기 워크로드의 특성 및 시스템 시사점

출처: arXiv - 2606.06448v1

개요

LLM 에이전트가 장기적인 상호작용 기록에 걸친 지속적인 추론을 필요로 하는 장기 과제에 점점 더 많이 배치되고 있다. 이를 대규모로 구현하려면 에이전트가 세션 간에 자체 메모리를 지속적으로 저장, 검색, 업데이트해야 한다. 평면 검색, LLM 중개 추출, 사실 저장소 통합, 에이전트 제어 흐름 등을 포괄하는 풍부한 에이전트 메모리 시스템 생태계가 등장했지만, 그 시스템 수준의 동작은 아직 규명되지 않았다. 우리는 에이전트 메모리에 대한 최초의 시스템 특성화를 제시한다. 첫째, 네 가지 축을 따라 에이전트 메모리 시스템을 분류하는 시스템 지향 분류 체계를 소개한다. 둘째, 구축, 검색, 생성에 드는 비용을 단계별로 할당하는 프로파일링 도구를 구축한다. 셋째, 두 개의 벤치마크 스위트에 걸쳐 10개의 대표 시스템을 분석하여 설계 선택이 쓰기와 읽기 경로의 비용을 어떻게 이동시키는지 밝힌다. 마지막으로, 구축 스케줄링, 기능 최소 기준, 질의량에 의한 비용 상쇄, 신선도‑지연성 트레이드오프, 대규모 운영 관리 등을 포괄하는 10가지 시스템 권고안을 도출한다.

주요 기여

본 논문은 다음 분야의 연구를 제시한다:

• cs.AI

방법론

자세한 방법론은 전체 논문을 참고하시기 바랍니다.

실용적 함의

이 연구는 cs.AI 분야의 발전에 기여한다.

저자

• Yasmine Omri
• Ziyu Gan
• Zachary Broveak
• Robin Geens
• Zexue He
• Alex Pentland
• Marian Verhelst
• Tsachy Weissman
• Thierry Tambe

논문 정보

• arXiv ID: 2606.06448v1
• 분류: cs.AI
• 발표일: 2026년 6월 4일
• PDF: PDF 다운로드