본 논문은 대규모 언어 모델(LLM) 기반 자율 에이전트의 성능 향상을 위한 새로운 메모리 아키텍처인 AriGraph를 제안합니다. 기존 LLM 기반 에이전트는 과거 경험을 비정형적인 방식으로 처리하여 복잡한 의사결정에 필요한 추론 및 계획 능력이 부족한 한계를 가지고 있습니다. AriGraph는 의미 기억과 에피소드 기억을 통합하는 메모리 그래프를 구축하고 업데이트하여 이러한 문제를 해결합니다. Ariadne LLM 에이전트는 AriGraph와 계획 및 의사결정 기능을 결합하여, 인간 플레이어에게도 어려운 대화형 텍스트 게임 환경에서 복잡한 작업을 효과적으로 수행합니다. 실험 결과, AriGraph는 기존 메모리 방법과 강화학습 기준 모델보다 뛰어난 성능을 보이며, 정적 다단계 질의응답 작업에서도 전용 지식 그래프 기반 방법과 비교하여 경쟁력 있는 성능을 나타냅니다.
