건강관리 대화는 한 번의 질의응답으로 끝나지 않는다. 식단 권고는 늦은 저녁, 근무 일정, 취향 변화에 부딪히고, 운동·검사 수치·증상은 시간이 지나며 다른 의미를 갖는다. 이 논문은 바로 그 반복성을 다루기 위해 HealthClaw라는 오픈소스 에이전트 구조를 제안한다. 핵심은 모든 과거를 한꺼번에 붙여 넣는 방식이 아니라, 매 에피소드 뒤 어떤 사실을 오래 보관할지, 어떤 절차를 고칠지, 무엇을 일회성 기록으로 둘지 구분하는 것이다. 이 연구는 동료심사 전 arXiv 프리프린트 상태다.
구조는 공유 규칙과 개인 기억을 분리하는 데서 출발한다. L0에는 행동 규칙과 안전 경계가, L1에는 의학 지식과 도구 라우팅 정보가 놓인다. 개인 쪽 기억은 L2 프로필 사실, L3 재사용 절차, L4 에피소드 흔적의 세 층으로 나뉜다. 에피소드가 끝나면 induction 단계가 각 항목의 미래 역할을 판정해 프로필을 갱신할지, 절차를 수정할지, 흔적으로 남길지, 혹은 장기 기억에서 제외할지 결정한다. 덕분에 장기 기록 전체를 매번 노출하지 않고도 다음 대화를 준비할 수 있게 설계했다.
검증은 합성된 365일 궤적 기반 1,000개 질의 벤치마크와 9개 생의학 과제로 이뤄졌다. 장기 지원용 900개 질의에서 현재 질의만 넣는 프롬프트의 정답률은 0.2%였고, HealthClaw는 45.7%까지 올렸다. 같은 비교에서 풀 히스토리 프롬프트의 정답률은 61.2%로 가장 높았지만, 평균 프롬프트 길이는 풀 히스토리 64,492.64자, HealthClaw 18,273.73자였고, HealthClaw가 71.7% 적었다. 자동 루브릭 점수는 0.182에서 0.568로, 참고 사실 커버리지는 0.027에서 0.524로 증가했다.
개인정보 관련 100개 probe에서는 양상이 달랐다. HealthClaw의 정답률은 0.640, 자동 루브릭 점수는 0.696으로, 현재 질의만 쓰는 조건의 0.440과 0.582, 풀 히스토리 조건의 0.400과 0.500보다 높았다. 제약 위반은 24%로 줄었고, 현재 질의만 쓰는 조건은 41%, 풀 히스토리는 53%였다. 무단 공개는 HealthClaw 5%, 현재 질의만 18%, 풀 히스토리 15%였다. 직접 공개가 부적절할 때 더 안전한 대안을 제시한 비율도 51%로, 두 기준선의 27%와 18%보다 높았다. 이 평가는 모두 Qwen-3.7 기반 평가기와 고정 루브릭으로 이뤄졌고, 사람 평정은 사용하지 않았다.
장기 기억 설계의 효용은 다른 생의학 작업에서도 확인됐다. 9개 과제는 영상, 임상 기록, 생리신호, 단백질, 유전체, 멀티오믹스까지 포함했고, 각 과제는 200개 사례로 구성됐다. HealthClaw는 9개 전부에서 주요 지표를 높였으며, 절대 평균 향상폭은 27.0 percentage points였다. 가장 큰 향상은 NoduleMNIST3D CT의 61.5 pp, GeneTuring의 52.5 pp, PAD-UFES-20의 41.5 pp였고, PhysioNet ICU SOFA와 당뇨 재입원은 각각 5.0 pp와 4.5 pp 상승했지만 유의하지 않았다. 분류 과제 8개 중 6개에서는 macro-F1도 FDR 보정 후 유의하게 올랐다.
이 결과가 말하는 바는 단순 기억 용량의 확대가 아니다. 이 구조는 어떤 정보가 다음 판단에 남아야 하는지, 어떤 정보는 제한해야 하는지, 어떤 정보는 아예 보관하지 않아야 하는지를 구분하는 선택적 변화 모델을 제시한다. 그러나 근거는 오프라인 벤치마크에 한정된다. 365일 궤적은 시뮬레이션됐고, 생의학 비교는 서로 다른 백본과 평가 파이프라인, 일부 공개 자원을 활용한 도구를 포함했다. 연구진이 밝히듯 임상적 효과는 전향적 평가가 필요하다.
저작권자 © STORIUM 무단전재 및 재배포 금지
