멀티에이전트 오픈엔디드 탐색을 위한 진화적 메모리 기반 시스템 Prism 제안. 파일 기반 계층 저장 + 벡터 시맨틱 메모리 + 그래프 관계 메모리 + 다중 에이전트 진화 탐색을 단일 의사결정 이론 프레임워크로 통합. 엔트로피 기반 계층화(skills/notes/attempts 3계층), 인과 메모리 그래프, Value-of-Information 검색 정책, 정체 감지 heartbeat, Evolutionary Stable Memory Set(ESMS) 수렴 보장이 핵심. LOCOMO 벤치마크에서 88.1점(Mem0 대비 +31.2%), CORAL 진화 최적화에서 4에이전트 Prism이 단일 에이전트 대비 2.8배 개선율.
- •엔트로피 기반 메모리 계층화(skills/notes/attempts) + 공식 컨텍스트 윈도우 사용 경계 증명.
- •인과 메모리 그래프(인터벤션 엣지 + 에이전트 귀속 출처)로 멀티에이전트 협업 트레이싱 지원.
- •Value-of-Information 검색 + 자가 진화 전략 선택 + optimal stopping 기반 정체 감지.
- •Replicator-decay 동역학으로 메모리 신뢰도를 진화적 적합도로 해석, ESMS 수렴 증명.
- •LOCOMO 88.1점(Mem0 대비 31.2% ↑), CORAL에서 4에이전트가 단일 대비 2.8배 개선율.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Prism: An Evolutionary Memory Substrate for Multi-Agent Open-Ended Discovery
- 1.Prism — 진화적 메모리로 멀티에이전트 오픈엔디드 탐색 지원.
- 2.파일·벡터·그래프·진화 탐색 4 패러다임을 단일 결정이론 프레임워크로 통합.
- 3.LOCOMO +31.2%, CORAL 4에이전트 2.8배 — 성능 대폭 개선.
- 4.Evolutionary Stable Memory Set 수렴 증명 — 이론적 기반 탄탄.
- 5.멀티에이전트 메모리 설계 국제 표준 후보로 부상할 가능성.
왜 중요한가?
Mem0·LangMem 등 멀티에이전트 메모리 시스템 경쟁이 치열한 가운데 이론적 최적성까지 증명한 접근. 한국 AI 에이전트 스타트업·연구소에 메모리 아키텍처 설계 레퍼런스.
Prism의 진화적 메모리 시스템은 네이버, 카카오, LG AI 연구원 등 국내 주요 AI 기업과 에이전트 개발 스타트업에게 멀티에이전트의 복잡한 추론 및 장기 기억 능력을 고도화하는 핵심적인 메모리 아키텍처 설계 레퍼런스가 될 것입니다. 이는 AI 에이전트 기반 서비스의 품질 향상 및 새로운 서비스 개발을 가속화하며, 향후 멀티에이전트 시스템 메모리 설계 국제 표준 논의에도 중요한 영향을 미칠 수 있습니다.
본문 미리보기
arXiv:2604.19795v1 Announce Type: new Abstract: We introduce \prism{} (\textbf{P}robabilistic \textbf{R}etrieval with \textbf{I}nformation-\textbf{S}tratified \textbf{M}emory), an evolutionary memory substrate for multi-agent AI systems engaged in open-ended discovery. \prism{} unifies four independently developed paradigms -- layered file-based persistence, vector-augmented semantic memory, graph-structured relational memory, and multi-agent evolutionary search -- under a single decision-theor
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:38AI 초안
