ProGraph는 LLM 에이전트의 장기 기억을 위해 프로필 서사에 등장하는 개체명을 부분 문자열 매칭으로 탐색하는 '프로필 확장'과, 프로필 갱신 시 날짜·수량 등을 추가 API 비용 없이 함께 추출하는 '압축 잔차'를 결합한 2계층 메모리 아키텍처다. 연구진은 1~5홉 깊이의 질문 1,000개로 구성된 멀티홉 기억 벤치마크 MemHop도 함께 공개했다. ProGraph는 MemHop에서 평균 80.1%로 전체 컨텍스트 참조 수준에 도달했고, LoCoMo에서는 78.4%로 이를 11.3%p 상회하며 Mem0, A-Mem, HippoRAG, RAG를 모두 앞섰다. 명시적 지식그래프 구축 없이도 멀티홉 연상 기억을 구현할 수 있음을 보여, 세션을 넘나드는 에이전트 메모리 설계에 실용적 선택지를 제시한다.

• •멀티홉 기억 벤치마크 MemHop 공개: 10개 소셜네트워크 시나리오, 홉 깊이 1~5의 질문 1,000개와 홉별 근거 주석 포함
• •프로필 확장 제거 시 MemHop 성능 22.6%p 하락 — 멀티홉 추론을 주도하는 핵심 메커니즘으로 확인
• •압축 잔차 미적용 시 LoCoMo 정밀 회상 8.6%p 하락, 두 메커니즘의 교차 영향은 3%p 미만으로 역할 분리 확인
• •MemHop 80.1%·LoCoMo 78.4%로 Mem0, A-Mem, HippoRAG, RAG 모두 능가
• •벤치마크·아키텍처·베이스라인 구현 전체 공개