BMAM: 뇌 영감형 다중 에이전트 메모리 프레임워크

초록

장기적인 상호작용을 수행하는 언어 모델 기반 에이전트는 시간적 근거 정보를 보존하고 세션 간 행동 일관성을 유지하는 데 지속적인 어려움을 겪으며, 우리는 이러한 실패 모드를 '소울 침식(soul erosion)'이라고 명명합니다. 본 논문에서는 BMAM(Brain-inspired Multi-Agent Memory)을 제안합니다. BMAM은 에이전트 메모리를 단일 비정형 저장소가 아닌 기능적으로 특화된 하위 시스템들의 집합으로 모델링하는 범용 메모리 아키텍처입니다. 인지 메모리 시스템에서 영감을 받은 BMAM은 메모리를 서로 보완적인 시간 규모에서 작동하는 서사적 기억, 의미 기억, 현저성 인식 기억, 제어 지향 기억 구성요소로 분해합니다. 장기 추론을 지원하기 위해 BMAM은 서사적 기억을 명시적 타임라인을 따라 구성하고 여러 보완적 신호를 융합하여 증거를 검색합니다. LoCoMo 벤치마크 실험 결과, BMAM은 표준 장기 평가 설정에서 78.45%의 정확도를 달성하였으며, ablation 분석을 통해 해마에서 영감을 받은 서사적 기억 하위 시스템이 시간적 추론에 중요한 역할을 함을 확인했습니다.

English

Language-model-based agents operating over extended interaction horizons face persistent challenges in preserving temporally grounded information and maintaining behavioral consistency across sessions, a failure mode we term soul erosion. We present BMAM (Brain-inspired Multi-Agent Memory), a general-purpose memory architecture that models agent memory as a set of functionally specialized subsystems rather than a single unstructured store. Inspired by cognitive memory systems, BMAM decomposes memory into episodic, semantic, salience-aware, and control-oriented components that operate at complementary time scales. To support long-horizon reasoning, BMAM organizes episodic memories along explicit timelines and retrieves evidence by fusing multiple complementary signals. Experiments on the LoCoMo benchmark show that BMAM achieves 78.45 percent accuracy under the standard long-horizon evaluation setting, and ablation analyses confirm that the hippocampus-inspired episodic memory subsystem plays a critical role in temporal reasoning.

BMAM: 뇌 영감형 다중 에이전트 메모리 프레임워크

BMAM: Brain-inspired Multi-Agent Memory Framework

초록

Support