K7007은 다국어 중복성, 지속적인 에피소드 기억, 그리고 지속적 적응에 관한 AI 시스템의 한계를 해결하는 개념적 프레임워크인 ShinBay-UCTF를 제시합니다. 이 제안서는 세 가지 상호작용하는 레이어로 구성된 통합 아키텍처를 개요로 제시합니다: 보편적 압축 학습 형식(UCTF), 생물학적 영감을 받은 에피소드 기억, 그리고 환경 기반 지속적 학습.
- 레이어 1 (UCTF)은 훈련 중복성을 줄이기 위해 압축되고 언어에 독립적인 형식으로 의미론적 지식을 표현하는 것을 목표로 합니다.
- 레이어 2는 연관된 회상을 위해 UCTF로 압축된 형식으로 새로운 기억을 별도로 저장하며, 선택적 망각과 로컬 암호화 저장을 특징으로 합니다.
- 레이어 3은 샌드박스화된 경계 내에서 환경 상호작용을 통해 지속적 학습을 가능하게 하여 핵심 안전 제약의 수정을 방지합니다.
- 이 프레임워크는 프라이버시 보장과 사용자 제어 기억 삭제를 위해 사용자의 기기에서 오프라인 전용 작동을 의무화합니다.
이 논문은 이러한 아키텍처 구성 요소를 통합하는 것에 대한 논의와 향후 조사를 자극하기 위한 연구 가설로 기능합니다.