본 논문은 LLM 기반 멀티 에이전트 프레임워크에서 인간과 유사한 기억의 역할을 탐구하며, 특히 반복적 추론, 제약 조건 추적, 오류 수정을 통해 자연어 계획의 성공을 이끄는 데 있어 기억의 중요성을 강조한다. 인지 심리학의 작업 기억 모델에서 영감을 받아, 본 논문은 듀얼 진화 메모리 메커니즘을 기반으로 하는 멀티 에이전트 프레임워크인 EvoMem을 제시한다. EvoMem은 Constraint Extractor, Verifier, Actor의 세 에이전트와 두 개의 메모리 모듈(CMem, QMem)로 구성된다. 실험 결과, 여행 계획, 회의 계획, 캘린더 일정 관리에서 일관된 성능 향상을 보이며 EvoMem의 효과를 입증한다.
