시간은 레이블이 아니다: 시간적 지식 그래프와 에이전트 기억을 위한 연속 위상 회전

Time is Not a Label: Continuous Phase Rotation for Temporal Knowledge Graphs and Agentic Memory

April 13, 2026

저자: Weixian Waylon Li, Jiaxin Zhang, Xianan Jim Yang, Tiejun Ma, Yiwen Guo

cs.AI

초록

지식 그래프와 같은 구조화된 메모리 표현은 자율 에이전트 및 기타 장수명 시스템의 핵심 요소입니다. 그러나 기존 대부분의 접근법은 시간을 이산 메타데이터로 모델링하여, 최신성 기준 정렬(오래되었지만 영구적인 지식을 묻어버림), 단순히 오래된 사실을 덮어쓰기, 또는 모든 수신 단계에서 고비용의 LLM 호출을 요구하는 방식에 그쳐 지속적인 사실과 변화하는 사실을 구분하지 못하는 한계가 있습니다. 이를 해결하기 위해 우리는 구조화된 메모리 시스템을 위한 즉시 적용 가능한 임시 지식 그래프 모듈인 RoMem을 소개합니다. 이 모듈은 에이전트 메모리 및 그 외 영역에 적용 가능합니다. 사전 훈련된 의미론적 속도 게이트는 각 관계의 텍스트 임베딩을 변동성 점수로 매핑하며, 변화하는 관계(예: "대통령")는 빠르게 회전해야 하고 지속적인 관계(예: "출생지")는 안정적으로 유지되어야 한다는 사실을 데이터로부터 학습합니다. 연속 위상 회전과 결합되면, 이는 기하학적 섀도잉을 가능하게 합니다: 더 이상 유효하지 않은 사실은 복소수 벡터 공간에서 위상이 회전되어, 시간적으로 정확한 사실이 삭제 없이도 모순되는 사실을 자연스럽게 능가하게 됩니다. 임시 지식 그래프 완성 작업에서 RoMem은 ICEWS05-15에서 최첨단 결과(72.6 MRR)를 달성했습니다. 에이전트 메모리에 적용 시, 임시 추론(MultiTQ)에서 2-3배 높은 MRR 및 답변 정확도를 제공하며, 하이브리드 벤치마크(LoCoMo)에서 우수한 성능을 보이고, 정적 메모리를 성능 저하 없이 보존하며(DMR-MSC), 보이지 않은 금융 도메인(FinTMMBench)에 대한 제로샷 일반화 능력을 입증했습니다.

English

Structured memory representations such as knowledge graphs are central to autonomous agents and other long-lived systems. However, most existing approaches model time as discrete metadata, either sorting by recency (burying old-yet-permanent knowledge), simply overwriting outdated facts, or requiring an expensive LLM call at every ingestion step, leaving them unable to distinguish persistent facts from evolving ones. To address this, we introduce RoMem, a drop-in temporal knowledge graph module for structured memory systems, applicable to agentic memory and beyond. A pretrained Semantic Speed Gate maps each relation's text embedding to a volatility score, learning from data that evolving relations (e.g., "president of") should rotate fast while persistent ones (e.g., "born in") should remain stable. Combined with continuous phase rotation, this enables geometric shadowing: obsolete facts are rotated out of phase in complex vector space, so temporally correct facts naturally outrank contradictions without deletion. On temporal knowledge graph completion, RoMem achieves state-of-the-art results on ICEWS05-15 (72.6 MRR). Applied to agentic memory, it delivers 2-3x MRR and answer accuracy on temporal reasoning (MultiTQ), dominates hybrid benchmark (LoCoMo), preserves static memory with zero degradation (DMR-MSC), and generalises zero-shot to unseen financial domains (FinTMMBench).