Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

MemoriesDB: A Temporal-Semantic-Relational Database for Long-Term Agent Memory / Modeling Experience as a Graph of Temporal-Semantic Surfaces

Created by
  • Haebom
Category
Empty

저자

Joel Ward ("val")

개요

MemoriesDB는 장기적인 계산 메모리에서 시간, 의미, 관계에 걸쳐 디코히어런스를 방지하도록 설계된 통합 데이터 아키텍처입니다. 각 메모리는 시간-의미-관계적 엔티티로, 이벤트가 발생한 시점, 의미, 다른 이벤트와의 연결 방식을 동시에 인코딩하는 구조입니다. PostgreSQL과 pgvector 확장을 기반으로 구축되었으며, 시간 계열 데이터 저장소, 벡터 데이터베이스, 그래프 시스템의 속성을 단일 추가 전용 스키마로 결합합니다. 각 메모리는 마이크로초 타임스탬프로 고유하게 레이블된 정점으로 표현되며, 의미적 컨텍스트를 캡처하는 저차원 및 고차원 정규화 임베딩이 함께 제공됩니다. 메모리 간의 방향성 엣지는 엣지별 메타데이터가 있는 레이블된 관계를 형성하여 동일한 정점 간에 여러 컨텍스트 링크를 가능하게 합니다. 이러한 구조물은 함께 시간 인덱싱된 시계열-의미적 표면 스택을 형성하며, 여기서 엣지는 1+1차원 유사성 필드에서 방향성 화살표로 투영되어 시간 경과에 따른 의미의 진화를 추적하면서 시계열 간의 일관성을 유지합니다. 이 공식은 단일 쿼리 경로에서 효율적인 시간 제한 검색, 하이브리드 의미 검색 및 경량 구조적 추론을 지원합니다. 작동하는 프로토타입은 표준 관계형 인프라를 사용하여 확장 가능한 리콜 및 컨텍스트 보강을 시연하며, 열 기반 백엔드, 분산 클러스터링 및 새로운 토픽 모델링으로의 확장에 대해 논의합니다.

시사점, 한계점

시사점:
시간, 의미, 관계를 통합하여 장기 기억을 위한 새로운 데이터 아키텍처를 제시함.
시간 제한 검색, 하이브리드 의미 검색, 경량 구조적 추론을 단일 쿼리로 수행 가능.
PostgreSQL과 pgvector 확장을 사용하여 구축하여 구현의 용이성 및 확장성을 제공.
확장 가능한 리콜 및 컨텍스트 보강을 시연하는 프로토타입 개발.
한계점:
구체적인 성능 지표 및 대규모 데이터셋에 대한 검증 부족.
열 기반 백엔드, 분산 클러스터링 및 토픽 모델링 등 향후 연구 필요.
의미적 임베딩의 품질과 성능에 미치는 영향에 대한 추가 분석 필요.
👍