뉴스
코인정보
라운지
커뮤니티
TPI 
매체소개
고객센터
0
랏거스대학교, 앤트그룹, 세일즈포스 리서치의 연구진이 인공지능(AI) 에이전트의 복잡한 작업 수행 능력을 향상할 새로운 프레임워크 ‘A-MEM’을 발표했다. 이 프레임워크는 AI가 환경에서 정보를 통합하고 자동으로 연결된 기억을 생성해 보다 정교한 구조를 구축하도록 돕는다.
A-MEM은 대형 언어 모델(LLM)과 벡터 임베딩을 활용해 AI 에이전트가 상호작용 중 얻은 유용한 정보를 추출하고, 이를 효과적으로 저장·검색할 수 있도록 설계됐다. 기업들이 AI 에이전트를 업무에 적극 도입하는 가운데, 신뢰성 높은 메모리 관리 시스템의 필요성이 점점 커지고 있다.
기존 LLM 기반 시스템의 기억 관리 방식은 비효율적이거나 고정된 형식에 의존해, 변화하는 환경과 다채로운 사용자 상호작용을 처리하기에는 한계가 있었다. 연구진은 “정형화된 기억 구조와 고정된 작업 흐름은 새로운 환경에 적응하고 장기적인 상호작용에서 효율성을 유지하는 데 방해 요소가 된다”며 유연한 메모리 체계의 중요성을 강조했다.
A-MEM은 AI 에이전트가 새로운 정보를 학습하고 필요할 때 즉시 검색할 수 있도록 ‘구조화된 메모리 노트’를 생성한다. 이 노트에는 명시적인 정보뿐만 아니라 시간, 문맥 설명, 키워드, 연관된 기억 등 다양한 메타데이터가 포함된다. 또한 LLM이 상호작용을 분석하며 의미론적 요소를 자동 생성해 포함시킨다.
특히 A-MEM은 사전에 정의된 규칙 없이도 다양한 기억을 연관시키는 능력을 갖췄다. 새로운 기억이 생성될 때, 시스템은 임베딩 값의 유사도를 기반으로 관련성이 높은 기억을 탐색하고, 최적의 연결을 자동으로 설정한다. 연구진은 “유사도 검색을 초기 필터로 활용함으로써 대규모 기억 저장소에서도 빠르고 효율적인 검색이 가능하다”고 설명했다.
A-MEM의 강력한 기억 관리 성능은 실제 데이터셋 실험에서도 입증됐다. 연구진은 대화가 길게 이어지는 LoCoMo 데이터셋을 활용해 A-MEM을 테스트했는데, 기존 메모리 관리 기법보다 뛰어난 성능을 보였을 뿐 아니라 최대 10배 적은 토큰을 사용하면서도 정확한 답변을 제공했다.
LLM 에이전트의 복잡한 업무 도입이 가속화되는 상황에서, 신뢰성 높은 기억 관리 시스템은 필수 요소로 자리잡고 있다. 오픈소스로 공개된 A-MEM은 기업들이 장기 기억 기능을 갖춘 AI 에이전트를 구축하는 데 유용한 도구가 될 전망이다.
