O-Mem: 개인화된 장기적 자기 진화 에이전트를 위한 만능 메모리 시스템
O-Mem: Omni Memory System for Personalized, Long Horizon, Self-Evolving Agents
November 17, 2025
저자: Piaohong Wang, Motong Tian, Jiaxian Li, Yuan Liang, Yuqing Wang, Qianben Chen, Tiannan Wang, Zhicong Lu, Jiawei Ma, Yuchen Eleanor Jiang, Wangchunshu Zhou
cs.AI
초록
LLM 기반 에이전트의 최근 발전은 인간과 유사한 응답 생성에서 상당한 잠재력을 보여주고 있으나, 복잡한 환경 내에서 장기적 상호작용을 유지하는 데에는 맥락 일관성과 동적 개인화의 한계로 인해 여전히 어려움을 겪고 있습니다. 기존 메모리 시스템은 검색 전에 의미론적 그룹화에 의존하는 경우가 많아, 의미적으로는 무관하지만 중요한 사용자 정보를 간과하고 검색 노이즈를 유발할 수 있습니다. 본 보고서에서는 사용자의 능동적 에이전트 상호작용으로부터 사용자 특성과 이벤트 기록을 동적으로 추출 및 업데이트하는 능동적 사용자 프로파일링 기반의 새로운 메모리 프레임워크인 O-Mem의 초기 설계를 제안합니다. O-Mem은 개인 속성(persona attribute)과 주제 관련 맥락의 계층적 검색을 지원하여 보다 적응적이고 일관된 개인화 응답을 가능하게 합니다. O-Mem은 공개 벤치마크 LoCoMo에서 51.67%를 달성하여 기존 최고 기술인 LangMem 대비 약 3% 향상되었으며, PERSONAMEM에서는 62.99%를 달성하여 기존 최고 기술인 A-Mem 대비 3.5% 향상되었습니다. 또한 O-Mem은 기존 메모리 프레임워크 대비 토큰 및 상호작용 응답 시간 효율성도 향상시켰습니다. 본 연구는 향후 효율적이고 인간과 유사한 개인화 AI 어시스턴트 개발을 위한 유망한 방향을 제시합니다.
English
Recent advancements in LLM-powered agents have demonstrated significant potential in generating human-like responses; however, they continue to face challenges in maintaining long-term interactions within complex environments, primarily due to limitations in contextual consistency and dynamic personalization. Existing memory systems often depend on semantic grouping prior to retrieval, which can overlook semantically irrelevant yet critical user information and introduce retrieval noise. In this report, we propose the initial design of O-Mem, a novel memory framework based on active user profiling that dynamically extracts and updates user characteristics and event records from their proactive interactions with agents. O-Mem supports hierarchical retrieval of persona attributes and topic-related context, enabling more adaptive and coherent personalized responses. O-Mem achieves 51.67% on the public LoCoMo benchmark, a nearly 3% improvement upon LangMem,the previous state-of-the-art, and it achieves 62.99% on PERSONAMEM, a 3.5% improvement upon A-Mem,the previous state-of-the-art. O-Mem also boosts token and interaction response time efficiency compared to previous memory frameworks. Our work opens up promising directions for developing efficient and human-like personalized AI assistants in the future.