연구진이 360만 파라미터 규모의 경량 학습 재순위 모델 ConvMemory를 공개했어요. 이 모델은 대화형 장기 메모리 검색에 활용돼요.
LongMemEval 데이터셋에서 ConvMemory는 BGE-large보다 빠른 속도로 더 높은 Recall@10 성능을 보여주며, mxbai-rerank-large-v1에 비해 28배 저렴하게 실행돼요.
연구 결과, ConvMemory의 학습된 시간 창은 집단적으로 유의미하지만 특정 시간 정보를 활용하는 것은 아니며, 오히려 시간과 관련 없는 제어 조건에 더 큰 영향을 미쳐요.
연구진은 ConvMemory를 기반으로 한 CCGE-LA 후보 집합 편집기를 공개했는데, LoCoMo 데이터셋에서 일부 개선된 성능을 보여줬어요.