장기 대화에서 흩어진 정보를 찾아 답변에 쓸 근거로 정리하는 프레임워크 MemCompile이 제안됐다. arXiv에 2026년 10월 16일 제출된 논문은 LoCoMo에서 Judge Accuracy 80.52%를 기록했고, LongMemEval-S에서도 효과가 나타났다고 보고했다.
논문이 지적한 기존 방식의 문제는 검색되거나 확장된 기억 단위를 그대로 답변 모델에 넘긴다는 점이다. 이 때문에 관련 기억을 찾는 과정과 답변에 제시할 근거를 정리하는 과정이 한데 묶여, 최종 문맥이 중복되거나 불완전해질 수 있다고 설명한다.
MemCompile은 질문에 맞춰 근거를 구성한다. Address Plane은 출처를 연결한 간결한 설명과 용량을 고려한 Cells를 이용해 관련 정보를 찾고, 검색 결과가 서로 다른 형태로 나오면 SourcePacket이라는 안정된 식별자로 정규화한다. 이어 Evidence Plane은 제한된 근거 예산 안에서 서로 보완하는 패킷을 골라 필요한 추가 근거를 일부 포함하고, 선택된 패킷의 주장을 답변에 바로 활용할 수 있는 문맥으로 만든다.
연구진은 LoCoMo에서 80.52%의 Judge Accuracy를 기록했으며, 품질과 비용의 파레토 프런티어를 더 높은 품질 영역으로 확장했다고 보고한다. LongMemEval-S에서도 좋은 성능을 보였다는 결과는 이 접근이 장기 대화 기억 벤치마크 사이에서 일반화될 가능성을 시사한다고 논문은 밝혔다. 제공된 초록에는 세부 실험 조건이나 비교 수치가 제시되지 않았다.
댓글 (0)
로그인하면 이 기사에 내 생각을 남길 수 있어요