본 논문은 대규모 언어 모델(LLM)의 다단계 상호작용에서의 취약성을 해결하기 위해 Task Memory Engine (TME)을 제안한다. TME는 기존 LLM을 미세 조정 없이 견고하고 수정 인식 에이전트로 변환하는 모듈식 메모리 제어기이다. 선형적인 맥락 대신 그래프 기반 구조를 사용하는 공간 메모리 프레임워크를 구현하여 일관된 다회차 추론을 지원한다. 사용자 입력을 하위 작업에 매핑하고 이전 맥락과 정렬하며 종속성 추적 수정을 가능하게 하는 동적 작업 그래프(트리 또는 DAG)를 구축한다. Task Representation and Intent Management (TRIM) 구성 요소는 작업 의미와 사용자 의도를 모델링하여 정확한 해석을 보장한다. 여행 계획, 요리, 미팅 일정, 쇼핑 카트 편집 등 네 가지 다회차 시나리오에서 TME는 세 가지 작업에서 환각 및 오류 해석을 100% 제거하고, 27회의 사용자 턴에 걸쳐 환각은 66.7%, 오류 해석은 83.3% 감소시켜 ReAct를 능가하는 성능을 보였다. 모듈식 설계로 플러그 앤 플레이 배포와 도메인별 사용자 지정을 지원하며, 개인 비서와 기업 자동화 모두에 적용 가능하다. TME의 코드베이스, 벤치마크 및 구성 요소는 오픈소스로 공개되어 연구자들이 신뢰할 수 있는 LLM 에이전트를 개발할 수 있도록 한다.
