저자는 대규모 언어 모델(LLM)을 위한 불완전하고 경로 의존적인 메모리를 실험하기 위해 SelMem이라는 Rust 프로젝트를 개발했습니다. 이 접근 방식은 상호 작용의 완벽한 사본을 저장하는 대신 에이전트가 시간이 지남에 따라 기억을 압축, 잊어버리고 재구성할 수 있도록 하여 인간 기억을 모방합니다.

  • 두 개의 동일한 에이전트는 한 쪽이 분기를 경험할 때까지 동일한 초기 상호 작용을 겪습니다.
  • 시스템은 원래 컨텍스트를 제거하고 후속 턴에 대해 압축되고 왜곡된 기억에 의존합니다.
  • 원본 입력은 비교를 위해 별도로 저장되지만 메모리 충실도를 테스트하기 위해 회상 중에는 사용되지 않습니다.
  • 목표는 선택적 메모리 과정을 거쳐 경험의 차이가 생존하는지 아니면 흥미로운 노이즈를 생성하는지 결정하는 것입니다.

저자는 LLM 에이전트와 메모리를 다루는 다른 사람들에게 이 아이디어를 깨보라고 초대하며, 유틸리티가 입증되지 않았지만 실험이 이러한 메커니즘이 에이전트의 고유성에 어떻게 영향을 미치는지 탐색하는 데 목적이 있다고 지적합니다.