MemHarness: Memory Is Reconstructed, Not Replayed

에이전트의 기억을 '재생'이 아닌 '재구성'하는 프레임워크. 과거 경험을 현재 상황에 맞게 수정해서 쓴다.

이 논문은 한마디로 AI 에이전트가 과거 경험을 그대로 재생하지 않고, 현재 상황에 맞게 다시 해석해서 쓰도록 만들었다는 이야기다. 인간의 기억이 단순한 '되감기'가 아니라 상황에 맞게 재구성되듯이, MemHarness는 검색된 기억을 비판적으로 평가하고 현재 상황에 맞게 재작성한다. ALFWorld와 WebShop에서 기존 방법들을 크게 앞섰고, 특히 새로운 환경(OOD)에서 강한 성능을 보였다.

핵심 요약

• 인간 기억의 '재구성' 원리를 AI 에이전트에 적용했다. 과거 경험을 현재 상황에 맞게 비판하고 수정한다.
• GRPO라는 강화학습으로 기억 재구성 능력을 자연스럽게 학습하게 했다. 추가 인력 라벨링이 필요 없다.
• ALFWorld에서 85.2%, WebShop에서 75.6%로 순수 RL 및 정적 기억 방식을 모두 능가했다.
• 기억 재구성 모듈을 빼면 성능이 74.6%로 떨어져, 재구성 자체가 핵심 기여 요소임을 확인했다.
• 훈련 시 기억 재구성을 배우면, 추론 시 기억이 없어도 기본 추론 능력이 향상되는 '잠재 가이드' 효과를 발견했다.

논문 링크

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