REMem: Reasoning with Episodic Memory in Language Agent

Created by

Haebom

저자

Yiheng Shu, Saisri Padmaja Jonnalagedda, Xiang Gao, Bernal Jimenez Gutierrez, Weijian Qi, Kamalika Das, Huan Sun, Yu Su

💡 개요

인간은 시공간적 맥락 속 구체적인 경험을 기억하고 이를 바탕으로 추론하는 능력이 뛰어나지만, 기존 언어 에이전트의 기억은 주로 의미론적이며 상호작용 기록을 효과적으로 회상하고 추론하는 데 한계가 있습니다. 본 연구에서는 이러한 간극을 메우기 위해 경험을 시점 인식 요점과 사실로 유연하게 연결하는 하이브리드 메모리 그래프로 변환하는 오프라인 인덱싱과, 이 그래프를 기반으로 반복적인 검색을 수행하는 온라인 추론으로 구성된 REMem이라는 두 단계 프레임워크를 제안합니다. REMem은 기존 최첨단 메모리 시스템을 크게 능가하는 성능을 보여주며, 특히 답변 불가능한 질문에 대한 더욱 견고한 거부 행동을 입증했습니다.

🔑 시사점 및 한계

•

언어 에이전트가 단순히 의미 정보를 넘어 구체적인 경험과 상호작용 기록을 기억하고 이를 바탕으로 추론할 수 있는 가능성을 제시합니다.

•

시공간적 맥락을 고려한 경험 기반 기억 모델링 및 검색 방식의 중요성을 강조하며, 기존 연구의 한계를 극복할 수 있는 효과적인 프레임워크를 제안합니다.

•

네 가지 에피소딕 메모리 벤치마크에서 기존 최고 성능 모델 대비 상당한 성능 향상을 달성하여 실제 적용 가능성을 보여줍니다.

•

REMem의 에피소드 모델링 및 검색 메커니즘의 복잡성을 고려할 때, 대규모 실시간 에이전트 적용을 위한 계산 효율성 및 확장성 개선이 필요합니다.

PDF 보기

Made with Slashpage