본 논문은 대규모 언어 모델(LLM)이 긴 문맥 추론에서 직면하는 어려움을 해결하기 위해 제안된 '생성적 의미 작업 공간(Generative Semantic Workspace, GSW)'에 대해 설명한다. GSW는 신경망에서 영감을 받아 진화하는 상황에 대한 구조적이고 해석 가능한 표현을 구축하는 생성적 메모리 프레임워크로, LLM이 진화하는 역할, 행동, 시공간적 맥락에 대해 추론할 수 있도록 한다. GSW는 입력된 관찰을 중간 의미 구조로 매핑하는 '연산자(Operator)'와, 이를 지속적인 작업 공간에 통합하여 시간, 공간, 논리적 일관성을 유지하는 '조정자(Reconciler)'로 구성된다. Episodic Memory Benchmark (EpBench)에서 GSW는 기존 RAG 기반 모델보다 최대 20% 더 높은 성능을 보였으며, 51% 더 적은 토큰으로 쿼리 시간을 단축하여 추론 비용을 절감하는 효율성을 보였다.
