AI 에이전트 시대의 메모리

초록

메모리는 파운데이션 모델 기반 에이전트의 핵심 능력으로 부상했으며, 앞으로도 그 중요성은 지속될 것입니다. 에이전트 메모리 연구가 급속히 확장되고 전례 없는 관심을 끌면서, 해당 분야는 점점 더 파편화되고 있습니다. 에이전트 메모리 범주에 속하는 기존 연구들은 동기, 구현 방식, 평가 방법에서 상당한 차이를 보이는 반면, 느슨하게 정의된 메모리 용어들이 난무하며 개념적 명확성을 더욱 흐리고 있습니다. 장기/단기 메모리와 같은 기존 분류법은 현대 에이전트 메모리 시스템의 다양성을 포착하기에 부족함이 입증되었습니다. 본 논문은 현재 에이전트 메모리 연구의 최신 동향을 종합적으로 제시하는 것을 목표로 합니다. 먼저 에이전트 메모리의 범위를 명확히 구획하고, LLM 메모리, 검색 증강 생성(RAG), 컨텍스트 엔지니어링과 같은 관련 개념과 구분합니다. 그런 다음 메모리의 형태, 기능, 동역학이라는 통합된 렌즈를 통해 에이전트 메모리를 조망합니다. 형태 측면에서는 토큰 수준 메모리, 파라메트릭 메모리, 잠재 메모리라는 세 가지 주요 구현 방식을 확인합니다. 기능 측면에서는 사실 메모리, 경험 메모리, 작업 메모리로 구분하는 더 세분화된 분류법을 제안합니다. 동역학 측면에서는 시간에 따라 메모리가 어떻게 형성, 발전, 검색되는지 분석합니다. 실용적 개발을 지원하기 위해 메모리 벤치마크와 오픈소스 프레임워크를 포괄적으로 정리했습니다. 종합을 넘어, 메모리 자동화, 강화학습 통합, 멀티모달 메모리, 다중 에이전트 메모리, 신뢰성 문제 등 부상하는 연구 프론티어에 대한 전망을 제시합니다. 본 서베이가 기존 연구에 대한 참고자료로서뿐만 아니라, 미래 에이전트 인텔리전스 설계에 있어 메모리를 1급 객체로 재고하는 개념적 기반으로도 역할하기를 바랍니다.

English

Memory has emerged, and will continue to remain, a core capability of foundation model-based agents. As research on agent memory rapidly expands and attracts unprecedented attention, the field has also become increasingly fragmented. Existing works that fall under the umbrella of agent memory often differ substantially in their motivations, implementations, and evaluation protocols, while the proliferation of loosely defined memory terminologies has further obscured conceptual clarity. Traditional taxonomies such as long/short-term memory have proven insufficient to capture the diversity of contemporary agent memory systems. This work aims to provide an up-to-date landscape of current agent memory research. We begin by clearly delineating the scope of agent memory and distinguishing it from related concepts such as LLM memory, retrieval augmented generation (RAG), and context engineering. We then examine agent memory through the unified lenses of forms, functions, and dynamics. From the perspective of forms, we identify three dominant realizations of agent memory, namely token-level, parametric, and latent memory. From the perspective of functions, we propose a finer-grained taxonomy that distinguishes factual, experiential, and working memory. From the perspective of dynamics, we analyze how memory is formed, evolved, and retrieved over time. To support practical development, we compile a comprehensive summary of memory benchmarks and open-source frameworks. Beyond consolidation, we articulate a forward-looking perspective on emerging research frontiers, including memory automation, reinforcement learning integration, multimodal memory, multi-agent memory, and trustworthiness issues. We hope this survey serves not only as a reference for existing work, but also as a conceptual foundation for rethinking memory as a first-class primitive in the design of future agentic intelligence.

AI 에이전트 시대의 메모리

Memory in the Age of AI Agents

초록

Support