BOOKMARKS: 롤플레잉을 위한 효율적인 능동적 스토리라인 기억

초록

메모리 시스템은 롤플레잉 에이전트(RPA)가 장기적 일관성을 유지하는 데 중요하다. 그러나 기존 RPA 메모리 방법(예: 프로파일링)은 주로 반복적 요약에 의존하며, 그 압축 과정에서 중요한 세부 정보가 불가피하게 손실된다. 이 문제를 해결하기 위해, 우리는 BOOKMARKS라는 검색 기반 메모리 프레임워크를 제안한다. 이는 현재 작업(예: 캐릭터 연기)에 대해 작업 관련 북마크 조각들을 능동적으로 초기화, 유지 및 갱신한다. 북마크는 스토리라인의 특정 시점에서 질문에 대한 답변 형태로 구조화된다. 각 현재 작업에 대해 BOOKMARKS는 재사용 가능한 기존 북마크를 선택하거나 (스토리라인 시작 부분에서) 유용한 질문을 포함한 새로운 북마크를 초기화한다. 그런 다음 이 북마크들은 현재 스토리 시점에 동기화되며, 해당 답변이 적절히 갱신되어 향후 그라운딩 단계에서 효율적으로 재사용될 수 있다. 반복적 요약과 비교하여 BOOKMARKS는 (1) 작업별 세부 정보를 포착하기 위한 능동적 그라운딩과 (2) 불필요한 계산을 피하기 위한 수동적 갱신을 제공한다. 구현에서 BOOKMARKS는 개념, 행동 및 상태 검색을 지원하며, 각각은 효율적인 동기화 방법으로 구동된다. BOOKMARKS는 16개의 아티팩트에서 85개의 캐릭터에 대해 RPA 메모리 기준선을 크게 능가하여, RPA를 위한 검색 기반 메모리의 효과성을 입증한다.

English

Memory systems are critical for role-playing agents (RPAs) to maintain long-horizon consistency. However, existing RPA memory methods (e.g., profiling) mainly rely on recurrent summarization, whose compression inevitably discards important details. To address this issue, we propose a search-based memory framework called BOOKMARKS, which actively initializes, maintains, and updates task-relevant pieces of bookmarks for the current task (e.g., character acting). A bookmark is structured as the answer to a question at a specific point in the storyline. For each current task, BOOKMARKS selects reusable existing bookmarks or initializes new ones (at storyline beginning) with useful questions. These bookmarks are then synchronized to the current story point, with their answers updated accordingly, so they can be efficiently reused in future grounding rounds. Compared with recurrent summarization, BOOKMARKS offers (1) active grounding for capturing task-specific details and (2) passive updating to avoid unnecessary computation. In implementation, BOOKMARKS supports concept, behavior, and state searches, each powered by an efficient synchronization method. BOOKMARKS significantly outperforms RPA memory baselines on 85 characters from 16 artifacts, demonstrating the effectiveness of search-based memory for RPAs.