사용자의 최근 대화와 장기 경험을 기억해 더 일관되고 개인화된 응답을 만드는 Context-Aware AI Mate의 memory architecture를 소개한다. 사람이 친구에게 이해받는다고 느끼는 이유가 과거 경험·감정·계획을 이어 기억하기 때문이라는 관점에서 설계를 나눈다.
핵심 포인트- 최근 대화를 다루는 short-term과 지속 경험을 보존하는 long-term으로 구조를 나누고, thread memory가 대화 topic 전환을 감지하며 episode memory가 일정 시간의 사건·인물·행동을 압축해 관련 부분만 prompt에 제공
- 표면 단어가 비슷해도 목적·시점이 다르면 새 thread로 분리하고 표현이 달라도 같은 계획이면 잇기 위해, LLM·embedding signal과 시간 gap을 조합해 boundary를 만들고 수정 가능한 memory unit으로 저장
- 기억 후보를 recency·relevance·importance 세 score로 계산해 결합함으로써, 단순 vector similarity로 오래된 사소한 대화가 중요한 계획을 밀어내지 않게 하고 privacy·유효 기간 rule로 주입 context를 제한
- long-term hippocampus memory는 사건·preference·목표를 저장하고 새 정보를 병합하거나 충돌을 표시하며, 반복 경험에서 reflection을 만들고 예정 action을 planning — 기억 삭제·수정과 설명 가능성도 신뢰의 핵심
왜 읽나매 요청을 독립 처리하지 않고 short/long-term 기억과 ranking·reflection으로 개인화 일관성을 확보하려는 대화형 AI 설계자에게.