GAM은 “컨텍스트 부패”를 목표로 합니다: 긴 컨텍스트 LLM보다 성능이 뛰어난 이중 에이전트 메모리 아키텍처

그 모든 초인적인 힘에도 불구하고 오늘날의 AI 모델은 놀랄 만큼 인간적인 결함을 안고 있습니다. 바로 잊어버립니다. AI 비서에게 광범위한 대화, 다단계 추론 작업 또는 며칠에 걸친 프로젝트를 제공하면 결국 스레드가 손실됩니다. 엔지니어들은 이 현상을 ‘컨텍스트 썩음’이라고 부르며, 이는 현실 세계에서 안정적으로 작동할 수 있는 AI 에이전트를 구축하는 데 조용히 가장 중요한 장애물 중 하나가 되었습니다. 중국과 홍콩의 연구팀은 이것이 맥락 썩음에 대한 해결책을 만들었다고 믿습니다. 그들의 새로운 논문에서는 모델을 압도하지 않고 장거리 정보를 보존하기 위해 구축된 시스템인 일반 에이전트 메모리(GAM)를 소개합니다. 핵심 전제는 간단합니다. 메모리를 두 가지 특수한 역할로 나누는 것입니다. 하나는 모든 것을 캡처하는 역할이고 다른 하나는 적절한 순간에 올바른 것을 정확하게 검색하는 것입니다. 초기 결과는 고무적이며 이보다 더 좋은 시기에 맞춰질 수는 없습니다. 업계가 프롬프트 엔지니어링을 넘어 보다 광범위한 컨텍스트 엔지니어링 분야를 수용함에 따라 GA