LLM이 최적화 문제의 구조적 모호성에 어려움을 겪는 문제를 해결하기 위해 DCM-Agent를 제안했어요. DCM-Agent는 모델링 및 코딩 클러스터로 구성된 이중 클러스터 메모리를 활용하여 일반화된 지침 지식을 도출하고, 메모리 강화 추론을 통해 오류를 수정하고 추론 경로를 조정해요. 7가지 최적화 벤치마크 실험 결과, 평균 성능이 11~21% 향상되었으며, 더 큰 모델의 메모리가 작은 모델을 안내하는 '지식 상속' 현상이 관찰되었어요.