연구진이 LLM 에이전트의 기억을 정적인 저장소가 아닌, 지속적으로 진화하는 연결성 그래프로 모델링하는 FluxMem 프레임워크를 제안했어요. FluxMem은 초기 연결 형성, 피드백 기반 정제, 장기 통합의 세 단계를 거쳐 메모리 토폴로지를 점진적으로 개선해요.
LoCoMo, Mind2Web, GAIA 세 가지 벤치마크에서 FluxMem이 최고 성능을 달성하며 복잡한 에이전트 환경에서 뛰어난 적응력과 일반화 능력을 입증했어요.
FluxMem은 누락된 링크를 복구하고, 간섭을 제거하며, 추상화 수준을 맞추고, 성공적인 경로를 절차적 회로로 증류하는 기능을 제공하며, 메모리 일반화 및 진화 성숙도를 측정하는 지표에 따라 안내돼요.