Stateless Decision Memory for Enterprise AI Agents

엔터프라이즈 AI 에이전트를 위해 결정론적 재현, 감사 가능한 근거, 멀티테넌트 격리, 수평적 확장성 같은 핵심 시스템 속성을 충족하도록 설계된 Deterministic Projection Memory(DPM) 구조가 도입된다.

엔터프라이즈 AI 에이전트를 위해 결정론적 재현, 감사 가능한 근거, 멀티테넌트 격리, 수평적 확장성 같은 핵심 시스템 속성을 충족하도록 설계된 Deterministic Projection Memory(DPM) 구조가 도입된다. 이 구조는 특히 엄격한 메모리 제약 하에서 상태 보존형 베이스라인과 동등하거나 더 나은 의사결정 품질을 보이는 동시에, 계산 비용과 지연 시간을 한 자릿수 규모로 줄인다.

핵심 요약

• 학술적 대규모 언어 모델(LLM) 에이전트 연구의 정교한 상태 보존형 메모리 구조와, 엔터프라이즈 배포에서 널리 쓰이는 더 단순한 검색 증강 생성(RAG) 파이프라인 사이에 괴리가 존재한다.
• 특히 금융이나 의료 같은 규제 도메인의 엔터프라이즈 AI 에이전트는 결정론적 재현, 감사 가능한 근거, 멀티테넌트 격리, 수평적 확장성을 포함하는 핵심 시스템 속성을 요구한다.
• 기존 상태 보존형 메모리 구조는 진화하는 내부 표현과 경로 의존적 업데이트로 인해, 흔히 이러한 핵심적인 엔터프라이즈 운영 요건을 본질적으로 위배한다.
• 추가 전용 이벤트 로그와 과제 조건부 투영 메커니즘으로 구성된 Deterministic Projection Memory(DPM) 구조가 제안된다.
• 추가 전용 이벤트 로그는 원시 이벤트(예: 문서 청크, 도구 출력)를 도착 순서대로 불변하게 저장하여, 단일하고 지속적인 진실의 원천으로 기능한다.
• 의사결정 시점에, 온도 0에서의 단일 대규모 언어 모델(LLM) 호출로 구현된 무상태 투영 구성요소가 전체 이벤트 로그와 과제 명세로부터 지정된 메모리 예산에 한정된 구조화된 메모리 뷰(사실, 추론, 컴플라이언스 노트)를 생성한다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.