G-Long은 장기 대화 에이전트의 일관성 유지 문제를 해결하기 위해 그래프 기반 프레임워크를 제안합니다. sLM을 활용해 구조화된 트리플릿 추출 및 연관 검색을 수행하여 운영 비용을 절감합니다. T5 요약기의 주의 메커니즘을 활용한 중요 메모리 점수 부여 방식으로 핵심 메모리를 식별합니다.
G-Long은 MSC 벤치마크에서 응답 품질이 최대 9.8% 향상, LME 벤치마크에서 검색 재현율이 40.8% 향상되는 성능을 보였습니다. 기존 방식 대비 계산 부담을 크게 줄였습니다.
G-Long은 기존 방식의 정보 손실 문제를 해결하고, LLM의 장기 컨텍스트 추론 한계를 극복하여 장기 대화 에이전트의 성능을 향상시킵니다.