연구진은 다중 에이전트·다중 사용자 LLM 시스템을 위한 프라이버시 인지형 메모리 프레임워크 AIM(Agentic Interoperable Memory)을 제안했다. 기존 에이전트 메모리 시스템이 개별 사용자 단위로만 동작해 사용자 간 유용한 지식 공유를 제한하는 문제를 해결하기 위해, AIM은 정보를 소유자만 접근 가능한 '비공개'와 모든 사용자가 접근 가능한 '공개'로 동적으로 분류하고 인덱스 수준 접근 제어를 적용해 민감 데이터를 보호하면서도 공유 지식을 통한 협업 일관성을 높인다. 연구진은 검색·생성·수정·삭제 등 다중 메모리 연산을 다중 사용자 환경에서 평가하는 최초의 공개 데이터셋 MUMBench도 함께 공개했다. AIM은 세 차례 독립 실행에서 가시성 분류 정확도 96.0%, 엄격 연산 정확도 58.8%, 상태 인지 연산 정확도 70.5%를 달성했다.

• •다중 에이전트·다중 사용자 LLM을 위한 프라이버시 인지형 메모리 프레임워크 AIM 제안
• •정보를 '비공개'(소유자 전용)와 '공개'(전체 접근)로 동적 분류, 인덱스 수준 접근 제어 적용
• •검색·생성·수정·삭제를 다중 사용자 환경에서 평가하는 최초의 공개 데이터셋 MUMBench 공개
• •가시성 분류 정확도 96.0% 달성
• •엄격 연산 정확도 58.8%, 상태 인지 연산 정확도 70.5% 기록