본 논문은 기존 대규모 언어 모델의 검색 방법이 시간적으로 분포된 대화를 처리할 때 정확도가 저하되는 문제를 해결하기 위해, 시냅스 전파 메커니즘을 활용한 새로운 검색 방법인 SynapticRAG를 제안합니다. SynapticRAG는 시간적 연관 트리거와 생물학적으로 영감을 받은 시냅스 전파 메커니즘을 결합하여 관련 대화 이력을 식별하고, 동적 누설-통합-발사 메커니즘을 사용하여 가장 문맥적으로 적절한 기억을 선택합니다. 영어, 중국어, 일본어의 네 가지 데이터셋에 대한 실험 결과, SynapticRAG는 최첨단 메모리 검색 방법에 비해 여러 지표에서 최대 14.66% 향상된 성능을 보였습니다. 이 연구는 인지 과학과 대규모 언어 모델 개발 간의 간극을 해소하고, 대화 시스템의 메모리 관리를 위한 새로운 프레임워크를 제공합니다.
