MIT와 싱가포르국립대학(NUS) 연구진은 최근에 장기적인 대화 에이전트를 위한 메모리 효율적인 프레임워크 MEM1을 소개했다. 현대의 언어 에이전트는 다중 턴 대화를 처리해야 하며, 작업이 진화함에 따라 정보를 검색하고 업데이트해야 한다. 그러나 대부분의 현재 시스템은 관련성 여부에 관계없이 모든 과거 상호작용을 프롬프트에 추가한다. 이는 메모리 사용량이 폭발하고 성능이 느려지며, 훈련 중 보지 못한 긴 입력에 대한 나쁜 추론으로 이어진다. MEM1은 이러한 문제를 해결하기 위해 설계되었다. 이 프레임워크는 효율적인 메모리 관리를 통해 성능 향상과 더 나은 추론을 제공한다. MEM1은 실제 연구나 다양한 분야에서 활용될 수 있는 유용한 도구로 기대된다.

<Mark Tech Post 뉴스 본문 전체읽기>