연구진은 장시간 실행되는 언어 에이전트의 경험 선택적 통합을 위한 EVAF(Echo-Valence Attractor Field) 메커니즘을 소개했어요. EVAF는 gated LoRA 통합을 통해 고가치, 고놀라움 경험을 우선적으로 통합하고, 보완적인 경로를 통해 검색 가능한 사실적 기억을 보존해요.
GPT-2와 TinyLlama 모델에서 테스트-재테스트 측정 결과, EVAF는 기존 방식보다 간섭 후 행동 지속성이 더 강한 것으로 나타났으며, 파라미터 드리프트와 크로스-페르소나 오염을 낮췄어요.
연구 결과, 사실 기억 접근과 경험 내면화는 별개의 연산이라는 점을 뒷받침하며, 기억 접근과 기억 깊이의 분리를 보여줘요.