Agent Memory

에이전트가 대화와 경험을 어떻게 기억하는가. MemGPT부터 2026년 논문까지 나온 순서대로 읽는다.

← 논문리뷰 분야 목록

논문이 나온 순서대로 정리했다. 처음이라면 위에서부터 읽으면 되고, 전체 흐름만 보고 싶으면 맨 아래 회고부터 봐도 된다.

1. MemGPT Paper review

   컨텍스트 창을 물리 메모리로, 외부 저장소를 디스크로 본다. OS의 가상 메모리 페이징을 LLM에 옮긴 2023년 논문이자 이 계열의 출발점.

2. HippoRAG Paper review

   해마 색인 이론을 RAG에 옮겼다. LLM으로 스키마 없는 지식그래프를 만들고 Personalized PageRank를 돌려 단발 검색으로 다중홉을 푼다.

3. LongMemEval Paper review

   장기기억을 다섯 능력으로 쪼개고, 메모리 설계를 indexing·retrieval·reading 세 단계 네 제어점으로 분해했다. 상용 챗봇이 30% 떨어지는 벤치마크.

4. Zep Paper review

   사실을 지우지 않고 무효화한다. 네 개의 타임스탬프로 양시간(bi-temporal)을 모델링해서, 무엇이 언제 참이었는지와 언제 그렇게 알았는지를 함께 남기는 지식그래프.

5. A-MEM Paper review

   Zettelkasten을 LLM 에이전트에 옮겼다. 새 기억이 들어오면 스스로 링크를 걸고, 그 과정에서 기존 기억의 맥락·키워드·태그까지 고쳐 쓴다.

6. Mem0 Paper review

   대화에서 사실을 뽑아 ADD·UPDATE·DELETE·NOOP 중 하나로 반영한다. LOCOMO에서 full-context 대비 p95 지연 91% 감소, 토큰 90% 절감.

7. From Human Memory to AI Memory Paper review

   대상·형태·시간 세 축으로 AI 메모리를 8분면에 나눈다. 8개월 뒤에 나온 서베이(Memory in the Age of AI Agents)와 나란히 놓으면 그사이 무엇이 달라졌는지 보인다.

8. Experience-Following Paper review

   메모리에 무엇을 넣고 무엇을 지우는지가 에이전트 행동을 바꾼다. 전부 넣으면 오히려 고정 메모리보다 못하다는 걸 네 에이전트로 실증한 논문.

9. What Deserves Memory Paper review

   무엇을 남길지를 중요도 점수가 아니라 ‘예측 실패’로 정한다. 기존 지식으로 예상한 것과 실제가 어긋난 만큼만 기억으로 증류하는 프레임워크.

10. Memory in the Age of AI Agents Paper review

    장기기억·단기기억이라는 이분법으로는 지금의 에이전트 메모리를 담을 수 없다. Forms·Functions·Dynamics 세 축으로 다시 짠 107쪽짜리 서베이.

11. SYNAPSE Paper review

    벡터 유사도 대신 활성 확산으로 관련성을 만든다. 측면 억제와 시간 감쇠로 적대적 질의를 96.6 F1로 거절하고, 질의당 814토큰만 쓴다.

12. Anatomy of Agentic Memory Paper review

    지금까지의 메모리 벤치마크 수치를 어떻게 읽어야 하는가. 벤치마크 포화, F1과 의미의 어긋남, 백본 의존, 그리고 agency tax를 실측한 논문.

13. AMV-L Paper review

    TTL은 항목의 수명을 제한하지 계산량을 제한하지 않는다. 검색 후보군 크기를 직접 묶어 2초 초과 요청을 13.8%에서 0.007%로 줄인 논문.

14. Multi-Layered Memory Paper review

    working·episodic·semantic 세 계층을 나누고 하나씩 떼어보는 ablation. semantic 계층을 빼면 6기간 보존율이 가장 크게 떨어지고, 보존 손실을 빼면 거짓 기억률이 가장 크게 오른다.

15. MemMachine Paper review

    원문을 그대로 보관하고 LLM 추출을 최소화한다. 저장 구조보다 검색 쪽을 손보는 게 효과가 크다는 걸 6차원 ablation으로 보인 논문.

16. LongMemEval-V2 Paper review

    V1이 사용자 이력을 물었다면 V2는 환경 경험을 묻는다. 웹 에이전트가 숙련된 동료가 되는가를 재는 벤치마크, 최대 1억 1500만 토큰.

17. MemFail Paper review

    메모리 시스템을 요약·저장·검색 세 연산으로 나눠서 틀린 답이 어느 단계에서 나왔는지 가려내는 진단 벤치마크. 검색 개수나 내부 모델을 키워도 성능이 잘 안 오른다.

18. The Past Is Prologue Paper review

    메모리 갱신을 ‘배포 결정’으로 다룬다. 후보 갱신을 무조건 받아들이는 대신 옛 메모리와 붙여 보고 나은 쪽을 남기는 플러그인 컨트롤러.

19. What to Keep What to Forget Paper review

    KV 캐시 축출, 프롬프트 압축, 상태 압축, 에이전트 메모리 요약. 네 커뮤니티가 각자 풀던 게 사실 하나의 rate-distortion 문제였다는 서베이.

20. ReFind Paper review

    구조화 메모리의 이득이 정말 구조에서 오는가. 원본 대화 로그를 그대로 두고 BM25 검색만 잘 시켰더니 그래프·트리 기반 시스템을 전부 넘었다는 반대 증거.

21. Memory Portability Paper review

    모델 교체는 흔한데 메모리 마이그레이션은 아니다. 같은 저장소를 그대로 두고도 에이전트는 잊을 수 있다는 걸 48개 이력으로 통제 측정한 논문.

22. Agent Memory 논문 21편 회고

    MemGPT부터 Memory Portability까지, 에이전트 메모리 연구 3년을 네 시기로 나눠 다시 읽었다. 구조를 쌓던 흐름이 ‘정말 구조가 필요한가’로 돌아오기까지.