LLM(대규모 언어 모델) 에이전트가 여러 세션에 걸쳐 변화하는 사실을 추적하고 관련 근거를 제공하려면 영구적인 기억 구조가 필요하다. 기존 메모리 시스템은 관찰 내용을 독립된 기록이나 요약, 인덱스 조각으로 저장하는 방식이어서 근거 집계와 사실 수정, 기억 유지 관리가 어렵다는 한계가 있었다. 이를 해결하기 위해 연구진은 2026년 6월 9일 arXiv에 공개한 논문에서 에이전트 기억을 주제 구조의 문서 형태로 다루는 텍스트 기반 영구 메모리 구조 인피니 메모리(Infini Memory)를 제안했다.
인피니 메모리에서 각 주제 문서는 관련 근거를 모으고, 메타데이터를 보존하며, 시간이 지남에 따라 사실을 수정하는 의미론적 단위로 기능한다. 새로운 관찰 내용은 먼저 버퍼에 임시 저장된 뒤 주기적으로 일관성 있는 텍스트 맥락으로 통합된다. 추론 시점에는 에이전트 기반 검색 절차를 통해 LLM이 단일 검색 단계가 아니라 반복적인 도구 호출로 기억을 읽어 들이는 구조다.
논문에 따르면 인피니 메모리는 에이전트 메모리 평가 벤치마크인 MemoryAgentBench에서 전체 64.7%의 점수를 달성했다. 절제 실험(ablation study) 결과, 주제 구조 유지와 반복적 근거 검사가 장기 기억 활용의 상호 보완적인 측면을 각각 개선하는 것으로 나타났다. 기존 메모리 시스템이 관찰을 독립 기록이나 요약, 색인 조각으로 분산 저장해 근거 집계와 사실 수정이 어려웠던 한계를 주제 단위 통합으로 보완한 셈이다.
이 연구는 AI 에이전트가 단일 세션을 넘어 장기간 일관된 지식을 유지해야 하는 실제 서비스 환경에서의 메모리 구조 설계에 실용적인 시사점을 제공한다. 주제 문서 기반 접근법은 사실 수정과 근거 추적을 자연스럽게 지원하므로, 복잡한 멀티턴 작업을 수행하는 자율 에이전트 개발에 활용될 수 있다는 전망이다.
