LLM 에이전트용 구조화·충돌 인지 장기 기억 프레임워크 MOSAIC이 제안됐다. 엔티티 타입 그래프 저장으로 사건·인물·관계의 관계적 구조를 보존해 멀티홉·시간 추론을 지원하고, LLM 분류 대신 LSH(지역 민감 해싱) 기반 이중 경로 검색으로 정확도 손실 없이 즉각적인 조회를 구현했으며, 저장 시점에 기존 그래프 이웃과 대조해 모순 정보를 갱신·삭제하는 능동 충돌 감지를 갖췄다. LoCoMo에서 89.35% 정확도로 최고 베이스라인을 27.21%p 앞섰고, 주입된 사실 충돌의 66%를 감지해 베이스라인(14%)의 4.7배를 기록했으며 평균 검색 지연은 질문당 0.58초다. 기억이 쌓일수록 모순이 누적되는 기존 에이전트 메모리의 근본 한계를 실용적 지연 수준에서 해결한 점이 의미 있다.

• •엔티티 타입 그래프 저장으로 관계 구조를 보존해 멀티홉·시간 추론 지원
• •LLM 분류를 LSH 기반 이중 경로 검색으로 대체, 평균 질문당 0.58초 검색 지연
• •저장 시점 능동 충돌 감지로 주입된 사실 충돌 66% 탐지 — 최고 베이스라인(14%)의 4.7배
• •LoCoMo 장기 대화 QA 정확도 89.35%로 최고 베이스라인 대비 +27.21%p
• •HaluMem Medium·Long 추출 F1(86.77%/85.84%)과 QA 정답률(73.10%/70.75%) 모두 최고 기록