[논문리뷰] Don't Just Trust Your Memory: Evidence-Linked Memory Reduces Memory-Induced Degradation in LLM Agents이 논문이 다루는 문제는, 기존 agent memory가 lesson만 주고 그 lesson이 나온 trajectory는 주지 않아서 agent가 잘못된 lesson을 검증할 방법이 없다는 점이다. 이 때문에 memory-induced degradation이 생긴다 .#Review#LLM Agents#Agent Memory#Memory-Induced Degradation#Evidence-Linked Memory#Procedural Memory#Experience Reuse#Trajectory Grounding2026년 11월 10일댓글 수 로딩 중
[논문리뷰] MemSteer: Turning User Histories into Supervision for Agent Memory Optimization본 논문은 사용자별로 상이한 기록과 맥락을 다루는 에이전트 시스템에서, Manual Annotation 없이도 메모리 디자인을 최적화할 수 있는 새로운 접근 방식을 제안합니다. 기존 연구들은 하위 태스크의 성공 여부나 노동 집약적인 수동 레이블링에 의존하여 새로운 사용자 기록에 대한 메모리 최적화가 어려웠습니다.#Review#Agent Memory#Memory-Design Optimization#Synthetic Supervision#QA Generation#Evidence-Grounded Planning2026년 11월 1일댓글 수 로딩 중
[논문리뷰] RunningTab: Direct Workspace Interaction with Environment-Side Tabs본 논문은 LLM 에이전트가 복잡한 지식 업무를 수행할 때 발생하는 정보 누락 및 휘발성 문제를 해결하고자 합니다. 기존의 DWI 방식은 에이전트가 파일에 직접 접근할 수는 있으나, 긴 작업 과정에서 읽었던 중요한 정보가 컨텍스트 윈도우의 제한으로 인해 밀려나면서 결과물에서 누락되는 현상이 발생합니다 .#Review#Large Language Model Agents#Direct Workspace Interaction#Environment-Side Tab#Knowledge Work#Context Window#Agent Memory#Information Retrieval2026년 10월 7일댓글 수 로딩 중
[논문리뷰] Filesystem-Based Memory for LLM Agents: Organization, Evolution, and Sustainability본 논문은 LLM 에이전트가 사용하는 Filesystem-Based Memory의 관리 및 지속 가능성에 관한 체계적인 탐구를 제안합니다.#Review#LLM Agents#Filesystem-Based Memory#Agent Memory#Organization#Sustainability#Declarative Memory#Procedural Skills2026년 7월 30일댓글 수 로딩 중
[논문리뷰] Keep It InMind: Benchmarking the Implicit-Association Blind Spot in Agent Memory본 논문은 검색 기반 메모리 시스템이 사용자의 중요 정보를 저장하고 있음에도 불구하고, 실제 추론 시점에 해당 정보를 활용하지 못하는 Implicit-Association Blind Spot 문제를 해결하고자 합니다.#Review#Implicit-Association#Agent Memory#Retrieval-Based Memory#Benchmark#InMind#Routing#Blind Spot2026년 7월 28일댓글 수 로딩 중
[논문리뷰] Are We Ready For An Agent-Native Memory System?본 논문은 기존 에이전트 메모리 시스템이 단일 블랙박스로 취급되면서 시스템 수준의 효율성, 아키텍처적 트레이드오프, 그리고 동적 지식 업데이트에 대한 견고성이 체계적으로 검증되지 않고 있다는 문제를 해결하고자 한다.#Review#Agent Memory#Data Management#LLM Agents#Retrieval-Augmented Generation#Memory Architecture#Knowledge Graphs#System Evaluation2026년 6월 24일댓글 수 로딩 중
[논문리뷰] Joint Agent Memory and Exploration Learning via Novelty Signals본 논문은 LLM 기반 에이전트가 개방형 환경에서 효율적인 탐색을 수행하지 못하는 문제를 해결하고자 합니다. 기존 에이전트는 환경과의 상호작용 기록이 길어짐에 따라 전체 기록을 유지하는 데 발생하는 막대한 계산 비용과 메모리 저장 공간 문제에 직면해 있습니다.#Review#Agent Memory#Exploration#Novelty Signals#GUI Agents#Latency#Token Efficiency#Latent Memory2026년 6월 1일댓글 수 로딩 중
[논문리뷰] PREPING: Building Agent Memory without TasksLLM 에이전트는 새로운 환경에 배치될 때 작업별 경험이 부족한 상태에서 발생하는 Cold-Start 문제에 직면합니다. 기존의 메모리 구축 방식은 사전에 수집된 사람의 시연(offline)이나 배포 후 사용자와의 상호작용(online)에 의존하는데, 이는 배포 초기 단계의 실패를 야기하거나 구축 비용을 증가시킵니다 .#Review#Agent Memory#Procedural Memory#Synthetic Practice#Cold-Start#Agentic Context Engineering#Tool-Use#Pre-task Construction2026년 5월 14일댓글 수 로딩 중
[논문리뷰] SuperLocalMemory V3.3: The Living Brain -- Biologically-Inspired Forgetting, Cognitive Quantization, and Multi-Channel Retrieval for Zero-LLM Agent Memory Systems본 논문은 정보 기하학에 기반한 FRQAD와 Local TurboQuant를 도입하여 메모리 저장 효율과 검색 정밀도를 동시에 달성한다. 저자들은 Fokker-Planck 동역학을 활용하여 메모리의 수명 주기를 수학적으로 관리하며, 이를 통해 고정밀에서 저정밀(32-bit에서 2-bit까지)로 이어지는 단계적 메모리 압축을 구현한다.#Review#Agent Memory#Information Geometry#Vector Quantization#Ebbinghaus Forgetting#Cognitive Architecture#Soft Prompts#Fisher-Rao2026년 4월 16일댓글 수 로딩 중
[논문리뷰] Memory Matters More: Event-Centric Memory as a Logic Map for Agent Searching and Reasoning현재 LLM 에이전트 메모리 시스템이 주로 사용하는 평면적인 정보 저장 방식과 단순 유사성 기반 검색의 한계를 극복하는 것이 목표입니다.#Review#LLM Agents#Agent Memory#Event Graph#Long-term Reasoning#Knowledge Graph#Active Retrieval#Event Segmentation#Multi-hop QA2026년 1월 11일댓글 수 로딩 중