Memory is Reconstructed, Not Retrieved: Graph Memory for LLM Agents

Paper: Ji, S., Li, Y., & Hooi, B. (2026). Memory is reconstructed, not retrieved: Graph memory for LLM agents (arXiv:2606.06036v1). arXiv. https://arxiv.org/abs/2606.06036 · Code

Abstract: 이 글은 ICML 2026에 채택된 MRAgent 논문을 읽고 정리한 것이다. 논문은 LLM 에이전트의 기억 접근을 "검색 후 추론"이라는 고정 파이프라인에서 떼어내, 검색 도중 얻은 증거에 따라 다음 검색 방향을 바꾸는 다단계 재구성 과정으로 다시 세운다. 기억은 Cue–Tag–Content 이종 그래프로 저장되고, LLM은 그 위에서 순회 연산을 골라 가며 필요한 조각만 모아 답을 만든다. LoCoMo와 LongMemEval에서 다섯 기준선을 앞서고 토큰 소비는 절반 이하다. 아래에서는 문제 설정, 그래프 설계, 재구성 루프, 표현력 정리, 실험을 차례로 보고, 마지막에 확인 과정에서 드러난 것들을 정리한다.

---

Executive Summary

항목	설명
연구 질문	질문만 보고 기억을 한 번에 고르는 수동 검색을, 중간 증거에 따라 다음 순회 방향을 바꾸는 능동적 기억 재구성으로 확장하면 장기 대화 기억 성능과 비용이 개선되는가?
핵심 기여	Cue–Tag–Content 이종 그래프, 누적 증거에 조건 지어진 다단계 순회·가지치기 루프, 능동 정책의 표현력 우위를 보이는 이론, LoCoMo·LongMemEval 실험을 하나의 시스템으로 결합한다.
방법적 결과	LLM이 Navigate와 Answer 모드 사이를 오가며 일화·의미·토픽 층의 일곱 순회 도구를 선택한다. 태그는 비싼 content를 열기 전에 경로를 평가하는 의미적 중간물로 쓰인다.
실험 결과 (저자 보고)	LoCoMo LLM-Judge는 Gemini에서 84.21, Claude에서 88.32이고 LongMemEval은 72.95다. LongMemEval 표본당 토큰은 118k로 비교된 메모리 기준선의 최솟값 245k보다 작다. 실행 시간은 586.11초로 Mem0의 533.29초보다 느리다.
핵심 한계	비교한 다섯 기준선이 모두 수동 정책이라 능동 기준선과의 차이는 검증되지 않았다. 그래프 구조와 능동 루프를 분리하는 절제가 없고, 부록의 F1 정의는 보고된 표와 양립하지 않는다. Theorem 4.1의 제시된 증명은 T=2에서 엄격 간격을 만들지 못하며, 실험의 검색 예산 대등성도 확인하기 어렵다.

목차

1. 논문이 겨냥한 문제
2. 수동 검색과 능동 재구성
3. Cue–Tag–Content 기억 그래프
4. 재구성 에이전트
5. 이론: 능동이 수동보다 표현력이 크다
6. 실험
7. 사례
8. 한계와 비판
9. 결론

---

1. 논문이 겨냥한 문제

LLM 에이전트에게 긴 상호작용 이력을 기억시키는 방법은 대체로 모양이 비슷하다. 대화를 조각내 벡터로 저장해 두고, 질문이 들어오면 유사한 조각 몇 개를 꺼내 프롬프트에 붙인다. 논문은 이것을 "static retrieve-then-reason paradigm"이라 부르고, 그 고정성이 문제라고 본다. 무엇을 꺼낼지가 질문만으로 정해지고 나면, 꺼낸 것을 읽고 나서 "아, 그러면 저것도 봐야겠다"고 방향을 트는 일이 구조적으로 불가능하다는 것이다.

논문이 드는 예가 문제의 성격을 잘 보여준다. "Nate가 두 번째 비디오게임 대회에서 우승했을 때 Caroline은 무엇을 했는가?" 유사도 검색은 질문에 있는 "비디오게임 대회"에 반응해 Nate의 대회 기록을 잔뜩 가져온다. 그중 하나에 "7월"이라는 시점이 적혀 있지만, 검색기는 그것을 새 단서로 쓸 수 없다. 검색은 이미 끝났기 때문이다. Caroline이 7월에 무엇을 했는지는 질문의 표면에 없고, 따라서 처음부터 검색 대상이 아니었다.

논문은 §1에서 두 개의 물음으로 이를 정리한다. 하나는 "기억 접근을 일회성 검색에서 추론 단계를 따라 정보를 점진적으로 드러내는 능동적 다단계 재구성 과정으로 어떻게 바꿀 것인가"이고(Challenge 1), 다른 하나는 "의미적·구조적 의존성을 담아 안내된 탐색을 가능하게 하려면 기억을 어떻게 조직할 것인가"다(Challenge 2). 앞의 물음이 재구성 루프로, 뒤의 물음이 Cue–Tag–Content 그래프로 이어진다.

기여로는 네 가지를 든다. 능동적 기억 재구성이라는 패러다임 제안, Cue–Tag–Content 기억 그래프, 능동 검색이 수동 검색보다 엄격히 표현력이 크다는 이론적 분석, 그리고 토큰·시간 효율을 개선하면서 강한 기준선을 앞선다는 실험이다.

---

2. 수동 검색과 능동 재구성

§2.1은 두 정책을 짧게 갈라놓는다. 기억 \mathcal{M}은 단위 \mathcal{V}={v_1,\dots,v_N}로 이루어져 있고, 질의 x가 주어지면 T단계에 걸쳐 단위를 고른다. t단계까지 모은 증거를 S^{(t)}={v^{(1)},\dots,v^{(t)}}라 할 때,

수동(무상태) 정책은 질의만 보고 T개를 한꺼번에 정한다.

능동(유상태) 정책은 다음 하나를 지금까지 모은 증거에 조건 지어 고른다.

가르는 자리가 명확하다. \pi_{\mathrm{p}}의 인자에는 S가 없다. 이것이 논문이 말하는 "수동"의 정확한 뜻이고, 검색기가 약하다거나 그래프가 없다는 뜻이 아니다.

§2.2는 기존 시스템을 이 틀에 넣어 두 갈래로 나눈다. 유사도 기반은 MemoryBank(Zhong et al., 2024)나 Mem0(Chhikara et al., 2025)처럼 \pi_{\text{sim}}(x)=\mathrm{TopK}({\mathrm{sim}(x,v)}_{v\in\mathcal{V}},k)이고, 그래프 기반은 유사도로 씨앗을 잡은 뒤 미리 정해진 N-홉 이웃으로 넓힌다.

둘 다 x만의 함수다. 논문은 그래프 확장이 다중 홉 문제를 얼마간 덜어주지만 관련 증거가 명시적 링크로 이어져 있어야 하고, 고정된 이웃 확장이 잡음을 늘린다고 본다.

그림 1. Ji et al. (2026), Figure 2 원도판을 발행용으로 리사이즈했다. 수동 유사도 검색·고정 그래프 확장·능동 재구성을 비교한 구성 예시이며 측정 결과가 아니다. 능동 재구성은 중간 증거의 "July"를 새 검색 제약으로 사용한다. arXiv · CC BY 4.0.

여기서 짚어둘 것이 있다. Figure 2는 측정이 아니라 구성된 예시다. §2.2의 요약이 드는 수동 검색의 세 약점—중간 상태에 따라 전략을 고치지 못함, 고정된 집계 탓에 잡음이 쌓임, 미리 만든 구조에 크게 기댐—중 첫 번째는 위의 정의에서 곧바로 따라 나오지만, 뒤의 둘은 논문 어디에서도 직접 재지 않는다(Figure 5의 CE→CTE→CTC 증가를 잡음 축의 간접 증거로 읽을 수는 있다). 부록 A가 다섯 기준선을 각각 \pi_{\mathrm{p}}(x) 형태로 다시 쓰는데, 이것도 측정이 아니라 분류다. 분류로서는 정확하다. 다섯 기준선이 모두 수동 정책이라는 것은 그 표기로 확인된다.

§2.3은 인지신경과학을 끌어온다. 맥락 단서가 엔그램을 재활성화하고, 그 활성이 이어지는 회상을 편향·제약하면서 일관된 기억을 점차 다시 짓는다는 서술이다(Rugg & Renoult, 2025; Rashid et al., 2016). 논문은 여기서 Cue–Tag–Content 구조를 가져왔다고 말하고, 구체적 사건에 대한 일화 기억과 공유 개념에 대한 의미 기억의 구분도 인지신경과학을 근거로 든다(Manns et al., 2003). 제목의 "Memory is Reconstructed, Not Retrieved"가 이 절에서 나온다.

---

3. Cue–Tag–Content 기억 그래프

§3.1은 기억을 이종 그래프 \mathcal{M}=(\mathcal{C},\mathcal{V},\mathcal{R})로 놓는다. 노드 범주는 둘이다. Cue c\in\mathcal{C}는 개체나 속성 같은 잘게 나눈 키워드고, Content v\in\mathcal{V}는 실제 기억 항목을 담는다. 둘 사이의 연결은 유형이 붙은 관계로 적힌다.

삼항 (c,g,v)는 cue c를 관계 속성 g를 거쳐 content v에 잇는다. 이 g가 Tag다.

태그를 중간에 두는 이유는 검색을 두 단계로 쪼개기 위해서다. LLM은 먼저 관련 태그를 몇 개 고르고, 그다음 고른 태그에 조건 지어 내용을 꺼낸다. 크고 복잡한 그래프에서 content 노드의 n-홉 이웃을 그냥 펼치면 조합적 폭발이 나고 무관한 기억이 대량으로 딸려 온다는 것이 논문의 진단이다. 태그를 명시적 연상 중간물로 두면 순회 분기를 평가하고 쳐낼 수 있다. 태그는 짧으니 비싼 일화 내용을 열기 전에 가지를 정리할 수 있다는 이야기다.

두 매핑 연산자가 이 두 단계에 대응한다.

한 가지 짚어둘 점은 "Cue–Tag–Content"라는 이름이 논문 안에서 두 가지로 쓰인다는 것이다. §3.1의 형식 정의에서 노드 범주는 Cue와 Content 둘이고 Tag는 관계의 속성이다. 그런데 Figure 4는 태그를 노드로 그리고, §4.1의 재구성 상태는 "cues, tags and contents"를 원소로 담는다. 순회 관점에서 태그가 일급 대상인 것은 분명하니 실질적 혼란은 없다. 다만 이름은 셋을 세고 정의는 둘을 센다.

3.1 세 개의 층

§3.2는 내용을 세 층으로 나눈다.

**일화 층(Cue–Tag–Episode)**은 특정 시점의 구체적 경험 e_i\in\mathcal{V}^e를 담는다. 개체·행위·맥락 키워드처럼 잘게 나눈 cue로 접근하고, 태그가 cue와 일화 내용 사이의 연상 관계를 요약한다. 시간 추론을 위해 일화들은 하나의 타임라인 위에 정렬되어, 재구성 중에 시간 제약을 걸 수 있다.

**의미 층(Cue–Tag–Semantic)**은 개별 일화를 넘어 비교적 안정적인 지식 s_i\in\mathcal{V}^s를 담는다. 개인 속성, 선호, 일반 사실 같은 것이다. 각 의미 노드는 개체 수준 cue에 걸리고, 태그는 성격 특성이나 장기 선호처럼 그 cue의 어느 측면인지를 담는다. 긴 일화 이력을 뒤지지 않고 목표 정보에 곧바로 닿게 하려는 층이다.

**추상 층(Topic)**은 여러 일화에 걸쳐 반복되는 패턴을 요약한 토픽 노드 \tau\in\mathcal{V}^\tau를 둔다. 토픽은 자기를 이루는 일화들과 이어져 있다. 하향 전이 \phi_{\tau\to e}로 먼저 관련 토픽을 잡고 거기서 일화로 내려갈 수 있다.

3.2 그래프를 어떻게 채우는가

§3.3과 부록 B.1이 구축 파이프라인을 적는다. 원 대화 T를 먼저 다시 써서 맥락 의존을 풀고 cue를 명시적으로 만든 뒤, 일관된 일화 단위로 자른다.

\mathcal{R}_{\text{LLM}}이 대명사 해소, 시간 정규화, 일화 분할을 맡는다. 각 일화마다 태그 하나와 cue 집합을 뽑는다.

\mathcal{T}{\text{LLM}}은 일화의 핵심 의미·관계 패턴을 요약하는 짧고 정확한 구를 만들고, \mathcal{K}{\text{LLM}}은 개체·속성·두드러진 서술어를 cue로 뽑는다. 일화당 태그가 하나라는 점이 중요하다. 그 일화의 모든 cue가 같은 태그를 거쳐 연결된다.

의미 단위는 {(c^{s}{i},g^{s}{i},s_{i})}\leftarrow\mathcal{S}{\text{LLM}}(T)로, 토픽 노드는 {\tau{j}}\leftarrow\mathcal{A}{\text{LLM}}({e{i}})로 뽑는다.

부록 E의 프롬프트를 보면 이 다섯 함수가 실제로는 프롬프트 두 개로 구현된다. Dialogue Processing 프롬프트 하나가 재작성·분할·태그 부여·토픽 도출·개인 사실 추출을 한꺼번에 하고, Keyword Extraction 프롬프트가 cue를 맡는다. 프롬프트에는 본문에 없는 상수들이 박혀 있다. 토픽은 "전체적으로 최소 열 개의 구체적 토픽을 도출하라", cue는 "문장마다 2–30개의 키워드", 태그는 "최대 두 단어"다.

프롬프트가 드러내는 것이 하나 더 있다. Dialogue Processing은 문장 단위로 돈다. "대화의 각 문장에 대하여: 원 문장을 모두 보존하라"로 시작하고, 병합은 "질문이 다음 문장에서 답해지는 경우"에만 한다. 그러니까 §3.3이 "특정 맥락에 자리 잡은 일관된 사건"이라 부른 일화 단위 e_i는 구현에서는 대체로 문장 하나다. 이 차이는 그래프 규모와 태그의 의미 폭에 직접 영향을 준다.

---

4. 재구성 에이전트

4.1 상태와 순회 행동

§4.1은 재구성을 상태와 행동으로 형식화한다. t단계의 재구성 상태는

\mathcal{Z}^{(t)}는 다음 순회의 후보가 되는 활성 기억 원소 집합(cue, tag, content를 모두 포함)이고, \mathcal{H}^{(t)}는 앞 단계들에서 모인 증거로 이루어진 재구성 맥락이다. 뒤이은 순회 방향이 이 \mathcal{H}^{(t)}에 조건 지어진다는 점이 §2.1의 능동 정의를 그대로 잇는다.

순회 행동은 유한 집합 \mathcal{A}={\Pi_{1},\ldots,\Pi_{m}}이고, 각각은 식 (5)의 매핑 연산자 \phi에서 유도된다. 전방 행동은 Cue–Tag–Content 관계를 따라 활성 집합을 넓힌다.

역방향 행동은 꺼낸 내용에서 새 cue와 태그를 활성화한다. 중간 증거를 보고 궤적을 고치거나 트는 일이 여기서 일어난다.

Figure 2(c)에서 "July"를 새 단서로 삼는 동작이 형식적으로는 이 역방향 행동이다.

4.2 루프

질의가 들어오면 먼저 잘게 나눈 cue를 뽑아 저장된 cue 집합과 맞춰 초기 활성 집합 \mathcal{Z}^{(0)}과 초기 상태 \mathcal{S}^{(0)}=(\mathcal{Z}^{(0)},\varnothing)을 얻는다. 그다음 세 단계가 반복된다.

행동 선택. LLM이 질의 x, 누적 맥락 \mathcal{H}^{(t)}, 현재 활성 집합 \mathcal{Z}^{(t)}를 보고 이번 단계에 쓸 행동 부분집합을 고른다.

통제된 순회. 고른 행동들을 실행해 후보 집합을 만든다.

"통제된"이라는 말이 붙은 이유는 그래프를 남김없이 펼치는 대신 LLM이 고른 행동만 실행하기 때문이다. 초록이 말하는 "avoiding combinatorial explosion caused by unconstrained expansion"이 가리키는 자리가 이것이다.

라우팅과 상태 갱신. LLM이 후보 중 관련 있는 것을 고르고 나머지 분기를 쳐낸다.

갱신 뒤에는 누적 맥락이 답하기에 충분한지, 더 탐색해야 하는지를 판정한다.

그림 2. Ji et al. (2026), Figure 4 원도판을 발행용으로 리사이즈했다. 대화에서 cue·tag·episode·semantic 원소를 뽑아 기억 그래프를 만들고, LLM 행동 선택·기억 순회·라우팅으로 재구성 맥락 \mathcal{H}^{(t+1)}을 누적한다. arXiv · CC BY 4.0.

부록 B.2가 구현을 적는다. 에이전트는 \Psi\in{\mathtt{Navigate},\mathtt{Answer}} 두 모드로 돈다. Navigate에서 도구를 불러 그래프를 탐색하고 증거를 모으다가, 충분해지면 Answer로 넘어가 최종 응답을 만든다. Table 4가 도구 목록이다. query_tag_events(\phi_{(c,g)\to e}), query_conversation_time(\phi_{e\to t}), query_event_keywords(\phi_{e\to(c,g)}), query_event_context(\phi_{e\to\mathrm{ctx}}), query_personal_information(\phi_{c^s\to g^s}), query_personal_aspect(\phi_{(c^s,g^s)\to v^s}), query_topic_events(\phi_{\tau\to e})까지 일곱이다.

가지치기에는 한 가지 성질이 따라붙는다. 식 (12)는 \mathcal{H}에 누적만 하고 버린 후보를 되살리는 경로를 두지 않는다. f_{\text{route}}가 잘못 쳐낸 분기는 이후 단계에서 돌아오지 않는다.

---

5. 이론: 능동이 수동보다 표현력이 크다

§4.3은 능동 검색의 이점을 근사 이론의 관점에서 형식화한다. 논문은 먼저 일반화를 선언한다. 이론은 MRAgent의 (cue, tag, episode) 형식에서 출발해 "노드마다 텍스트 정보를 가진 임의의 이종 그래프"로 넘어간다. 즉 아래 정리는 Cue–Tag–Content 구조를 쓰지 않는다.

검색 예산 T가 주어졌을 때, 능동 재구성은 이미 꺼낸 것에 따라 다음 노드를 정하고 수동 검색기는 T개를 질의만 보고 미리 확정한다. 두 전략은 서로 다른 가설 집합을 낳는다. \mathcal{H}^{\mathrm{LM}}{\mathrm{active}}(T)는 LM이 T번의 적응적 검색 호출을 할 때 구현 가능한 예측기 전부, \mathcal{H}^{\mathrm{LM}}{\mathrm{passive}}(T)는 T번의 호출이 미리 고정될 때의 것이다.

Theorem 4.1 (능동 검색은 수동 검색보다 엄격히 강하다). 임의의 검색 예산 T\geq 2에 대하여 \mathcal{H}^{\mathrm{LM}}{\mathrm{passive}}(T)\subsetneq\mathcal{H}^{\mathrm{LM}}{\mathrm{active}}(T).

부록 C의 형식 진술은 아홉 개다(정의 다섯, 정리 하나, 보조정리 셋). 증명이 필요한 넷—정리 C.5와 보조정리 C.6·C.8·C.9—에 모두 증명 본문이 붙어 있고, 증명 개요로 미룬 것이 없다. 다만 뒤에서 보듯 Theorem 4.1의 엄격 포함을 보이는 마지막 단계는 T=2에서 양의 간격을 만들지 못한다.

구조는 셋이다.

포함(Lemma C.6). 임의의 T에 대해 \mathcal{H}^{\mathrm{LM}}{\mathrm{passive}}(T)\subseteq\mathcal{H}^{\mathrm{LM}}{\mathrm{active}}(T). 능동 정책이 자기 이력을 무시하면 되므로 자명하다.

분리 과제(Definition C.7). 깊이 d의 완전 이진 트리 위에 분포 D_{n,d}를 만든다. 목표 잎 u^\star를 균등하게 뽑고, 경로 위 각 노드의 payload에 다음에 가야 할 비트를 적어 넣는다. 정답 y는 목표 잎에만 있고 나머지는 y와 독립이다.

두 방향의 경계. 능동은 payload의 비트를 읽고 내려가기를 d번 한 뒤 잎을 꺼내면 되므로 T=d+1로 오차 0을 얻는다(Lemma C.8). 수동은 어떤 정책이든 오차가 아래로 막힌다(Lemma C.9).

목표 잎이 2^d개 중 균등하게 놓이는데 수동 정책은 T개만 지정할 수 있으니, 맞힐 확률이 T/2^d를 넘지 못한다는 계산이다.

Theorem 4.1은 능동·수동 정책의 가설집합 포함 관계를 진술한다. Lemma C.9는 별도로, 특정 이진트리 분리 분포에서 수동 정책의 오차 하한이 T/2^d에 의해 정해짐을 보인다. 즉 2^d가 검색 예산 T보다 충분히 큰 구성에서 적응적 탐색과 비적응적 탐색의 예산 차이가 커진다.

정리가 어디까지 말하는지도 분명히 해두자. Definition C.2가 정의하는 \mathrm{opt}는 가설 집합 위의 하한이다. 즉 "그 집합 안에 좋은 정책이 존재한다"는 진술이지 "학습으로 그것을 찾는다"는 진술이 아니다. Lemma C.8도 "어떤 파라미터 설정 \theta가 존재한다"로 되어 있다. 논문의 기여 목록은 이 점에서 정확한 단어를 쓴다("strictly more expressive"). 다만 §4.3의 마무리 문장은 "LMs with active retrieval can learn any function that LMs with passive retrieval can"이라고 적어, 표현력 진술을 학습 진술로 바꿔 말한다.

Definition C.4의 Q^{\mathrm{pass}}_{\theta,t}(x)에는 임베딩·유사도 순위·고정 k 제약이 없고 질의만 보고 어떤 노드든 지목할 수 있다. 따라서 이론의 수동 정책 클래스는 실험에 배치된 다섯 기준선보다 넓다.

---

6. 실험

6.1 설정

벤치마크는 둘이다. LoCoMo는 인간–LLM 파이프라인으로 만든 대화 50개로, 각 대화는 최대 35세션·평균 약 300턴이고 질문–답변 쌍이 약 200개 붙어 있다. LongMemEval은 LongMemEval-S 설정으로, 약 500문항이고 각 문항에 약 115K 토큰의 채팅 이력이 붙는다.

두 벤치마크 모두 잘라 쓴다. LoCoMo에서는 adversarial 문항을 제외했다. "대부분의 기준선이 이 설정을 지원하지 않고, 이 과제는 기억 재구성이나 다중 홉 추론보다 답할 수 없는 질의를 탐지하는 능력을 주로 평가하기 때문"이다. LongMemEval에서는 네 유형(single-session-user, multi-session, temporal-reasoning, single-session-preference)에 집중한다. 두 절삭 모두 §5.1이 아니라 부록 D.1에서만 밝힌다.

기준선은 RAG(Lewis et al., 2020), LangMem(LangChain, 2025), A-Mem(Xu et al., 2025), MemoryOS(Kang et al., 2025), Mem0(Chhikara et al., 2025) 다섯이다. 백본은 Gemini-2.5-Flash와 Claude-Sonnet-4.5 둘을 쓰고, 모든 방법에 같은 백본을 적용한다. 심판은 GPT-4o-mini(temperature 0.0)이고, 부록 D.4는 judge score를 세 번 독립 평가해 평균과 표준편차를 보고한다고 적는다.

예산에 관해 부록 D.4가 이렇게 적는다. "방법 간 비교 가능한 계산 예산을 보장하기 위해, 에이전트의 추론을 질의당 최대 8턴으로 제한하고 턴당 최대 10회의 도구 호출을 허용한다." MRAgent의 상한은 이렇게 명시되지만, 기준선의 top-k는 논문 어디에도 없다.

6.2 주요 결과

LoCoMo(Table 1)에서 Gemini 백본 전체 LLM-Judge 점수는 최강 기준선 Mem0의 68.31에서 MRAgent 84.21로 오른다. 상대 이득 23.3%다. 초록의 "up to 23%"가 이 칸에서 나온다. Claude 백본에서는 최강 기준선 LangMem 78.61에서 88.32로, 12.4%다.

질문 유형별로 보면 이득이 고르지 않다. Gemini 백본 LLM-Judge 기준으로 Mem0 대비 상대 이득은 open domain 41.66→68.75로 65.0%(이 유형의 최고 기준선은 사실 RAG 41.67로, Mem0와 0.01 차이다), temporal 61.68→80.37로 30.3%, single-hop 73.72→90.48로 22.7%, 그리고 multi-hop 68.79→75.17로 9.3%다. 논문이 동기로 내세운 다중 홉이 네 유형 중 이득이 가장 작다.

핵심 동기와 직접 관련된 Gemini/multi-hop에서 지표 순위가 엇갈린다. F1은 MRAgent 43.69로 Mem0 45.17보다 낮고, 같은 칸의 LLM-Judge는 75.17 대 68.79로 MRAgent가 높다.

LongMemEval(Table 2, 상세는 Table 5)에서는 최강 기준선 MemoryOS 54.92에서 MRAgent 72.95로, 상대 이득 32.8%다. 본문은 "32%"라 적는다.

방법	multi-session	single-user	temporal	single-preference	Overall (J)
RAG	45.00 / 54.89	77.94 / 85.71	43.88 / 42.86	5.42 / 33.33	54.65
A-Mem	28.26 / 42.85	75.30 / 90.00	34.18 / 45.11	9.09 / 46.43	52.98
MemoryOS	45.02 / 56.39	79.50 / 87.14	35.67 / 38.35	9.53 / 46.67	54.92
LangMem	41.14 / 52.63	72.43 / 78.57	36.80 / 45.71	6.32 / 36.67	53.77
Mem0	37.53 / 50.38	72.43 / 78.57	35.64 / 45.11	5.89 / 40.00	53.01
MRAgent	49.92 / 68.42	80.99 / 92.85	50.16 / 68.42	23.96 / 66.67	72.95
MRAgent*	66.31 / 86.46	82.41 / 92.85	60.10 / 85.71	15.58 / 78.57	86.76

Table 5. LongMemEval, F1 / LLM-Judge. MRAgent는 Gemini로 기억을 구축하고 Claude로 검색한다.*

다섯 기준선의 Overall은 52.98~54.92의 2점 폭에 모여 있다. Table 2·5에는 반복 평가 표준편차가 없어 기준선 순위의 안정성은 판단할 수 없다. MRAgent도 모든 칸에서 높지는 않다. single-preference F1은 MRAgent 23.96, MRAgent 15.58이고 같은 칸의 J는 66.67 대 78.57이다.

MRAgent*는 표 안에 있지만 본문에서 논의되지 않는다. 표 캡션의 정의대로라면 Gemini 백본 방법이 아니므로 굵게·밑줄 표시에서 빠지는 것이 맞는데, Gemini 기준선 다섯 위에 나란히 놓여 있다. 검색 LLM만 바꿔서 72.95에서 86.76으로 오르는 폭은 MRAgent와 기준선 사이 격차에 필적한다.

6.3 비용

Table 3이 LongMemEval에서 표본당 토큰 소비와 실행 시간을 잰다. 캡션이 중요한 것을 밝힌다. "Results include both memory construction and retrieval." 그래프 기억 방법의 비용 주장에서 구축 비용을 빼면 의미가 크게 줄어드는데, 이 표는 포함한다.

방법	토큰 소비	실행 시간(s)
A-Mem	632k	1,122.23
MemoryOS	273k	3,135.54
LangMem	3,268k	1,209.57
Mem0	245k	533.29
MRAgent	118k	586.11

토큰에서는 분명하다. 118k는 Mem0의 245k에 견주면 절반 이하고, LangMem의 3,268k에 비하면 훨씬 작다. 논문은 이를 "on-demand" 설계로 설명한다. 기존 방법이 구축 단계에서 이력을 반복 요약하고 복잡한 의존을 분석하는 반면, MRAgent는 구축을 가볍게 두고 관계 형성을 질의별로 검색 단계에 미룬다는 것이다. 태그로 방향을 잡아 비싼 일화 내용에 닿기 전에 가지를 쳐낸다는 설명도 붙는다.

실행 시간은 다르다. MRAgent의 586.11초는 Mem0의 533.29초보다 느리다. 초록은 "substantially reducing token and runtime cost"라고 적지만, 시간 축에서 가장 빠른 기준선을 이기지는 못한다. §5.3의 본문은 토큰만 논하고 시간 수치를 한 번도 언급하지 않는다. 오히려 §7이 반대 방향을 인정한다. 많은 순회 단계를 요구하는 질의는 단발 검색보다 지연이 크다는 것이다.

이 표에는 다른 성능표의 기준선인 RAG가 없다. 따라서 비용은 표에 실린 네 기준선과만 비교할 수 있고, 다섯 기준선 전체에 대한 우위는 판단할 수 없다.

6.4 절제

그림 3. Ji et al. (2026), Figure 5 원도판을 발행용으로 리사이즈했다. LoCoMo 다중 홉·Claude 백본에서 추론 없는 구조 변형 CE·CTE·CTC와 추론을 켠 두 변형을 비교한다. arXiv · CC BY 4.0.

구조 변형은 셋이다. CE는 cue에서 일화로 직접 색인하고, CTE는 태그를 거쳐 일화를 꺼내며, CTC는 완전한 기억 구조를 쓴다. 논문은 이 결과를 막대그래프로만 싣고 표로 주지 않으므로, 아래 값은 눈금에서 읽은 근사치다. 추론 없는 쪽에서 Recall과 LLM-Judge가 CE(약 58 / 48) → CTE(약 64 / 65) → CTC(약 69 / 68)로 단조 증가한다. 태그가 검색을 의미적으로 관련된 방향으로 이끌고 파편적·무관한 기억을 덜 끌어온다는 것이 논문의 해석이다. 추론을 켠 쪽에서는 의미 층을 뺀 변형(약 72 / 77)이 전체(약 76 / 84)보다 낮아, 일화 기억과 의미 기억이 상보적이라는 결론이 나온다.

논문은 능동적 다단계 추론이 "관측된 성능 향상의 주요 요인 가운데 하나(a primary factor)"라고 적는다. 도판 눈금으로는 LLM-Judge의 구조 증가 폭(CE→CTC)이 추론 추가 폭(CTC→MRAgent)보다 커 보이지만, 정확한 귀속에는 원수치와 구조×추론 교차 절제가 필요하다.

본문과 도판이 같은 막대를 다르게 부른다. §5.4는 "CTE와 CTC 변형을 추론 없이(초록)와 추론과 함께(파랑) 모두 평가한다"고 적는데, 파란 막대에 붙은 라벨은 CTE·CTC가 아니라 "w/o Semantic"과 "MRAgent"다. CTE가 곧 의미 층을 뺀 구성이므로 읽어낼 수는 있지만, 두 패널이 같은 변형을 다른 이름으로 부른다.

절제가 닿지 않은 자리도 있다. CE에 추론을 켠 조합이 없다 — 도판에서 읽어낼 것도 없이 §5.4가 "CTE와 CTC 변형을 추론 없이와 추론과 함께 모두 평가한다"고 적어 CE가 빠졌음을 스스로 밝힌다. 그래서 추론 루프가 도는 상태에서도 태그 구조가 필요한지는 시험되지 않는다. §3.2가 세 층이라 했는데 토픽(추상) 층과 하향 전이 \phi_{\tau\to e}의 기여도 절제에 없다.

6.5 몇 턴이 필요한가

그림 4. Ji et al. (2026), Figure 6 원도판을 발행용으로 리사이즈했다. 추론 턴에 따른 누적 증거 recall과 질문 유형별 평균 턴·최대 유효 턴을 보여준다. arXiv · CC BY 4.0.

(a)에서 single-hop과 temporal은 세 턴 안에 거의 포화한다(약 94→99, 약 93→96). 반복 탐색에서 실질적으로 이득을 얻는 것은 다중 홉과 열린 도메인 둘이다. 다중 홉은 약 63에서 약 82까지 오른 뒤 다섯 턴께 평평해지고, 열린 도메인은 약 55에서 약 73까지 오른 뒤 세 턴에서 멈춘다. 절대 증가폭은 각각 약 19점과 약 18점으로 비슷하고, 상대 증가폭은 오히려 열린 도메인이 크다(약 33% 대 약 30%). 둘을 가르는 것은 크기가 아니라 어디서 멈추느냐다.

논문은 이 대목을 "다중 홉 질의가 반복 탐색에서 상당한 이득을 얻어 recall이 연속 단계에 걸쳐 30% 넘게 개선된다"며 붉은 선에 붙여 적는다. 그런데 눈금으로 읽은 붉은 선의 상대 증가는 약 29.9%로 30%에 살짝 못 미치고, 30%를 넘기는 것은 §5.5가 한 번도 언급하지 않는 열린 도메인 쪽이다. 눈금 판독이라 소수점을 단정할 수는 없지만, 두 곡선의 순서가 뒤집힐 만한 차이는 아니다.

(b)의 숫자는 다중 홉 3.16/2.65, temporal 2.42/2.40, open domain 2.60/1.09, single-hop 2.07/1.28이다. 논문은 "Max Valid Turns가 Average Turns에 가깝게 맞는다"고 요약하지만, 이 근접성은 유형별로 다르다. temporal은 2.42 대 2.40으로 가깝고, open domain은 2.60 대 1.09, single-hop은 2.07 대 1.28이다.

그림 5. Ji et al. (2026), Figure 9 원도판을 발행용으로 리사이즈했다. LoCoMo 다중 홉·Claude 백본·LLM-Judge에서 최대 턴 수와 턴당 도구 호출 예산의 영향을 비교한다. arXiv · CC BY 4.0.

부록 D.6의 히트맵은 턴 수를 늘릴 때 모든 K에서 색이 진해지고, 턴당 검색 예산을 늘릴 때의 변화는 더 작게 보인다. 숫자가 인쇄되지 않아 효과 크기는 판독할 수 없지만, 왼쪽 아래(turn8·call2)가 오른쪽 위(turn2·call8)보다 진한 패턴은 깊이를 늘리는 쪽의 관측 이득이 더 크다는 논문 해석과 일치한다.

6.6 도구별 증거 커버리지

부록 D.7의 Table 6은 LoCoMo에서 도구별 증거 커버리지를 질문 유형별로 잰다.

도구	Multi-hop	Temporal	Open domain	Single-hop
query_tag_events	66.33	81.08	41.18	74.76
query_conversation_time	4.08	86.49	17.65	3.88
query_event_context	18.37	32.43	35.29	33.01
query_personal_aspect	21.43	2.70	29.41	5.83
query_topic_events	33.67	45.95	35.29	27.18

질문 유형별 집계에서 시간 질문은 query_conversation_time, 다중 홉은 query_tag_events와 query_topic_events의 coverage가 높다. 열린 도메인 질문군에서는 여러 도구의 coverage가 분산되어 있다. 이는 질의 유형에 따라 서로 다른 연산자가 사용됐다는 직접 기록이다.

다만 Table 4가 정의한 도구는 일곱인데 이 표에는 다섯만 있다. query_event_keywords와 query_personal_information은 Table 4에 한 번 등장한 뒤 논문 어디에서도 다시 나오지 않는다.

---

7. 사례

부록 D.8이 다중 세션 질의 하나를 따라간다. "Joanna의 시나리오 중 제작사에 거절당한 것은 무엇인가?"는 시나리오 제출 사건과 이후의 거절 사건을 여러 세션에 걸쳐 이어야 한다. 첫 턴에서 태그 기반 연상을 따라 제출·거절 사건을 꺼내고, 둘째 턴에서 사건 수준 맥락과 키워드를 물어 각 거절의 세부를 얻는다. 셋째와 넷째 턴에서 Joanna에 대한 의미 정보를 물어 시나리오들의 속성을 회복하고, 다섯째 턴에서 시간 정보를 물어 제출과 거절의 순서를 맞춘다. 다섯 단계 끝에 첫 번째와 세 번째 시나리오가 거절되었다고 답한다.

이 궤적이 보여주는 것은 논문의 설계가 의도한 분업이다. 태그로 후보를 잡고, 맥락으로 세부를 채우고, 의미 층으로 속성을 얻고, 타임라인으로 순서를 확정한다. 각 단계가 서로 다른 연산자를 쓰고, 뒤 단계의 선택이 앞 단계의 결과에 달려 있다.

---

8. 한계와 비판

8.1 논문이 밝힌 한계

§7이 두 가지를 든다. 첫째, 관계 추론을 검색 단계로 미룬 결과 재구성 비용이 탐색 깊이에 따라 늘고, 많은 순회 단계를 요구하는 질의는 단발 검색보다 지연이 크다. 둘째, 정적 구축이라 시간에 따라 기억을 갱신하거나 통합하지 않으므로 상호작용이 쌓이면 그래프가 단조 증가하고, 오래 도는 배치에서는 저장 부담이 커진다. 논문은 적응적 구축, 가벼운 기억 유지, 더 견고한 순회 정책을 후속 방향으로 든다.

§7은 또 현재 구현이 "상대적으로 단순한 기억 구축 전략"을 택했고 갱신·망각 기제를 넣지 않았다고 밝힌다. 논문은 이를 설계 선택과 한계로 함께 명시한다.

8.2 검증에서 남는 쟁점

동일한 기억 환경의 능동 기준선이 없다. RAG·A-Mem·MemoryOS·LangMem·Mem0는 논문의 분류상 모두 수동 정책이다. Search-o1과 Search-R1은 적응적 검색의 설계 참고점이지만 외부 말뭉치와 다른 학습 설정을 사용한다. 같은 기억 저장소·백본·예산에서 단순 능동 검색과 MRAgent를 비교해야 그래프 구조가 더한 값을 분리할 수 있다. 전체 대화 이력을 그대로 제공하는 장문맥 기준선도 보고되지 않는다.

Theorem 4.1의 제시된 증명은 T=2의 엄격성을 확립하지 못한다. 증명은 d=T-1을 놓고 \varepsilon_Y(1-T/2^d) 하한을 쓰는데, T=2에서는 값이 0이다. 이는 정리의 진위를 반박하는 것이 아니라, 논문이 적은 T\ge2 전체에 대해 제시된 strictness 논증이 닫히지 않는다는 뜻이다. 또한 벤치마크의 질문 홉 수·도구 호출과 이론의 이진트리 깊이 d·노드 검색 예산 T를 직접 연결한 검증은 없다.

부록의 F1 정의와 표가 양립하지 않는다. 부록 D.3은 F1을 심판 판정으로부터 정의한다. \mathrm{Precision}=\sum_i J(\hat y_i,y_i)/\sum_i \mathbb{I}[\hat y_i\neq\emptyset]이고 \mathrm{Recall}=\sum_i J(\hat y_i,y_i)/N이므로, 분자가 같고 Precision의 분모가 더 작거나 같아 \mathrm{Precision}\ge\mathrm{Recall}이고 조화평균은 두 값 사이에 놓인다. 표의 J열이 곧 그 \sum_i J/N이니 F_1\ge J가 언제나 성립해야 한다. 실제로는 Table 1의 48칸 전부와 Table 5의 28칸 중 27칸이 F_1<J다(유일한 예외는 Table 5의 RAG/temporal, 43.88 대 42.86).

공개 저장소를 열어보면 이유가 보인다. eval/evaluation.py는 부록 식이 아니라 예측 문자열과 정답 문자열 사이의 stemmed 토큰 중첩 F1을 계산한다(precision = num_same / len(prediction_tokens), recall = num_same / len(ground_truth_tokens)). LoCoMo 관행의 지표이고 §5.1의 "following prior work"와도 맞는다. 즉 표의 F1은 논문이 적어 놓은 식으로는 재현되지 않는다. 다만 저장소의 현재 커밋이 실험 시점과 같은지는 확인할 수 없으므로, 이것은 어긋남의 유력한 설명이지 확정된 원인은 아니다. 어느 쪽이든 결과는 같다 — F1과 judge가 엇갈리는 칸, 곧 Gemini 다중 홉에서 어느 지표를 믿을지 논문 정보만으로는 정할 수 없다. 덧붙여 "Recall"이 두 뜻으로 쓰인다(식 22의 답변 recall, 식 24의 증거 recall).

예산 대등성이 선언되고 제시되지 않는다. 부록 D.4는 "방법 간 비교 가능한 계산 예산을 보장하기 위해"라는 목적절을 달고 MRAgent의 상한(최대 8턴, 턴당 최대 10회 도구 호출)만 적는다. 기준선의 top-k는 논문 어디에도 없고, 도구 호출과 top-k 항목은 같은 단위도 아니다.

공개 코드의 설정 파일이 논문에 없는 수치를 채워 준다. MAX_ROUNDS=8은 논문과 맞지만 MAX_TOOL_CALLS=50은 세션 전체 상한이어서, 논문 서술대로 8턴×10회를 곱한 80과 다르다. 더 중요한 것은 검색 폭이다. K1=80(임베딩 유사도 기반 1차 검색)과 K2=20(LLM 재순위 후)이라, 호출 한 번이 돌려주는 항목 수가 통상적인 top-k 검색기의 k보다 훨씬 크다. 기준선의 k가 공개되지 않은 상태에서 "비교 가능한 예산"이 무엇을 뜻하는지 판정할 근거가 없고, 정리의 힘이 전부 "같은 예산 T"에서 나온다는 점을 생각하면 이론과 실험을 잇는 다리가 놓이지 않은 셈이다. (저장소 수치는 현재 커밋 기준이며 실험 시점과 같다는 보장은 없다.)

출력 형식도 통제가 확인되지 않는다. 부록 E의 QA 프롬프트는 질문 유형별 답변 형식을 지정한다 — 예/아니오는 "Yes, No, Likely yes, or Likely no" 중 하나로, 장소는 구체적 지명으로, 개수는 숫자로, 나머지는 "the minimal concrete entity or phrase"로. 두 지표 모두 짧고 정확한 답에 유리한데, 기준선에도 같은 지시를 주었다는 서술이 부록 D.2·D.4 어디에도 없다.

구조와 능동성의 교차 절제가 없다. CE에 추론을 켠 구성과 태그 없이 반복 검색하는 구성이 없어 Cue–Tag–Content 구조와 능동 루프의 기여를 분리하기 어렵다. 토픽 층, \phi_{\tau\to e}, query_event_keywords, query_personal_information의 기여도 측정되지 않았다.

비용 우위의 범위는 토큰과 네 기준선으로 한정된다. MRAgent의 118k 토큰은 표에 실린 기준선 245k~3,268k보다 작고 구축 비용도 포함한다. 실행 시간은 Mem0보다 느리며 비용표에는 RAG가 없다. 부록 D.4는 각 방법을 세 번 독립 평가해 평균과 표준편차를 낸다고 적지만, ±가 붙는 것은 Table 1의 유형별 J 네 열뿐이다. 초록의 23.3%를 낳은 Table 1의 Overall J 열에도 ±가 없고, LongMemEval의 최대 상대 증가 32.8%가 보고된 Table 2·5에는 아예 없고, 검색 LLM을 바꾼 MRAgent*의 Overall은 86.76으로 백본 선택의 영향도 크다.

결과 요약과 도판 해석에 남은 불일치가 있다. 초록의 "up to 23%"는 LoCoMo 상대 증가지만 본문은 LongMemEval에서 32.8%를 보고한다. Figure 6의 Average/Max Valid Turns 근접성은 temporal에서는 보이지만 open domain과 single-hop에서는 차이가 크다. §1의 "정보 이득 최적화"는 목적함수·점수·추정량으로 형식화되지 않았다.

8.3 남는 기여

• 수동 정책과 능동 정책을 질의만의 함수인지 누적 증거에도 조건 지어지는지로 구분하고, 다섯 기준선을 같은 표기로 분류한다.
• Cue–Tag–Content 구조는 연상 추론과 내용 검색을 분리하며, Table 6은 질문 유형별로 서로 다른 도구 coverage가 나타남을 보여준다.
• 구축 비용을 포함한 LongMemEval 토큰 소비가 표에 실린 네 메모리 기준선보다 작다.
• 부록 C에서 증명이 필요한 진술 넷에 모두 증명 본문이 있고 개요로 미룬 것이 없으며, 기여 목록은 학습 보장이 아니라 표현력 비교로 범위를 제한한다. 다만 T=2 끝점은 보완이 필요하다.
• Figure 9는 턴 수를 늘릴 때의 관측 변화가 턴당 호출 예산을 늘릴 때보다 크게 보이는 깊이·폭 비교를 제공한다. 논문은 깊은 질의의 지연과 그래프의 단조 증가도 한계로 명시한다.

9. 결론

MRAgent는 기억 그래프에 태그라는 의미적 중간층을 두고, LLM이 누적 증거에 따라 다음 순회 연산자와 경로를 선택하는 루프를 결합한다. 두 벤치마크에서 다섯 수동 기준선보다 높은 judge score를 보고했고, LongMemEval에서는 구축 비용을 포함한 토큰 소비가 비용표의 네 기준선보다 작았다.

증거의 경계도 분명하다. 동일한 기억 저장소에서 작동하는 능동 기준선이 없고, 구조×능동성 교차 절제가 빠져 두 구성의 기여를 분리할 수 없다. 부록의 F1 정의는 표와 양립하지 않으며, 기준선 검색 예산과 LongMemEval 반복 변동도 충분히 공개되지 않았다. Theorem 4.1은 표현력 비교를 제공하지만 제시된 증명의 T=2 끝점과 실험 조건과의 연결은 보완이 필요하다.

실무적으로는 태그 중간층, 증거 조건부 도구 선택, 깊이와 폭을 분리한 비용 곡선이 재사용 가능한 설계 요소다. 후속 연구의 핵심은 같은 백본·기억·예산에서 능동 검색 기준선과 비교하고, 태그 구조와 재구성 루프를 교차 절제해 성능·토큰·지연의 귀속을 분리하는 것이다.

---

References

Chhikara, P., Khant, D., Aryan, S., Singh, T., & Yadav, D. (2025). Mem0: Building production-ready AI agents with scalable long-term memory (arXiv:2504.19413). arXiv. https://doi.org/10.48550/arXiv.2504.19413

Ji, S., Li, Y., & Hooi, B. (2026). Memory is reconstructed, not retrieved: Graph memory for LLM agents (arXiv:2606.06036v1). arXiv. https://arxiv.org/abs/2606.06036

Jin, B., Zeng, H., Yue, Z., Wang, D., Zamani, H., & Han, J. (2025). Search-R1: Training LLMs to reason and leverage search engines with reinforcement learning (arXiv:2503.09516). arXiv. https://doi.org/10.48550/arXiv.2503.09516

Kang, J., Ji, M., Zhao, Z., & Bai, T. (2025). Memory OS of AI agent (arXiv:2506.06326). arXiv. https://doi.org/10.48550/arXiv.2506.06326

LangChain. (2025). LangMem SDK for agent long-term memory. https://blog.langchain.com/langmem-sdk-launch/

Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W., Rocktäschel, T., Riedel, S., & Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. In H. Larochelle, M. Ranzato, R. Hadsell, M. Balcan, & H. Lin (Eds.), Advances in Neural Information Processing Systems 33 (NeurIPS 2020).

Li, X., Dong, G., Jin, J., Zhang, Y., Zhou, Y., Zhu, Y., Zhang, P., & Dou, Z. (2025). Search-o1: Agentic search-enhanced large reasoning models. In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (pp. 5420–5438). Association for Computational Linguistics. https://doi.org/10.18653/v1/2025.emnlp-main.276

Maharana, A., Lee, D., Tulyakov, S., Bansal, M., Barbieri, F., & Fang, Y. (2024). Evaluating very long-term conversational memory of LLM agents. In Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) (pp. 13851–13870). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.acl-long.747

Manns, J. R., Hopkins, R. O., & Squire, L. R. (2003). Semantic memory and the human hippocampus. Neuron, 38(1), 127–133.

Rashid, A. J., Yan, C., Mercaldo, V., Hsiang, H.-L., Park, S., Cole, C. J., De Cristofaro, A., Yu, J., Ramakrishnan, C., Lee, S. Y., Deisseroth, K., Frankland, P. W., & Josselyn, S. A. (2016). Competition between engrams influences fear memory formation and recall. Science, 353(6297), 383–387. https://doi.org/10.1126/science.aaf0594

Rasmussen, P., Paliychuk, P., Beauvais, T., Ryan, J., & Chalef, D. (2025). Zep: A temporal knowledge graph architecture for agent memory (arXiv:2501.13956). arXiv. https://doi.org/10.48550/arXiv.2501.13956

Rugg, M. D., & Renoult, L. (2025). The cognitive neuroscience of memory representations. Neuroscience & Biobehavioral Reviews, 179, 106417. https://doi.org/10.1016/j.neubiorev.2025.106417

Wu, D., Wang, H., Yu, W., Zhang, Y., Chang, K., & Yu, D. (2025). LongMemEval: Benchmarking chat assistants on long-term interactive memory. In The Thirteenth International Conference on Learning Representations (ICLR 2025). https://openreview.net/forum?id=pZiyCaVuti

Xu, W., Liang, Z., Mei, K., Gao, H., Tan, J., & Zhang, Y. (2025). A-MEM: Agentic memory for LLM agents (arXiv:2502.12110). arXiv. https://doi.org/10.48550/arXiv.2502.12110

Zhong, W., Guo, L., Gao, Q., Ye, H., & Wang, Y. (2024). MemoryBank: Enhancing large language models with long-term memory. In Thirty-Eighth AAAI Conference on Artificial Intelligence (pp. 19724–19731). AAAI Press. https://doi.org/10.1609/aaai.v38i17.29946