IBM 리서치가 AI 에이전트가 과거 행동 이력에서 교훈을 축적하는 '에이전틱 메모리' 기법인 자체 개발 'ALTK-Evolve'를 비교 기법 'ACE(Agentic Context Engineering)'와 견줬다. 두 시스템 모두 교훈을 요약하지 않고 개별 기록으로 유지한다는 점은 같지만, ACE는 매 단계마다 전체 플레이북을 통째로 주입하는 반면 ALTK-Evolve는 모델 성능에 맞춰 필요한 만큼만 선별해 전달한다. AppWorld 벤치마크 결과 강한 모델(딥시크-V3.2)에서는 정확도와 시나리오 완료율 모두 앞서면서 추론 비용은 ACE의 약 40%에 그쳤고, 약한 모델(gpt-oss-120b)에서는 정확도가 근소하게 앞서면서 비용은 약 7분의 1 수준이었다.

• •IBM 리서치, 에이전틱 메모리 기법 'ALTK-Evolve'를 'ACE'와 AppWorld 벤치마크로 비교
• •두 시스템 모두 교훈을 요약·압축하지 않고 개별 기록으로 유지(지지 횟수 카운트)
• •차이는 전달 방식: ACE는 매 단계 전체 플레이북 주입, ALTK-Evolve는 모델별 필요한 만큼만 선별 전달
• •강한 모델(딜시크-V3.2)에서 정확도 우위 + 추론 비용 ACE 대비 약 40%
• •약한 모델(gpt-oss-120b)에서는 정확도 근소 우위 + 비용 약 7분의 1