연구진은 장기 기억을 활용한 에이전트 기반 비디오 이해 모델 Light-Omni를 제안했어요. Light-Omni는 반복적인 추론 없이 단일 패스 방식으로 필요한 맥락을 즉시 구축하는 반사적 접근 방식을 사용해요.
Light-Omni는 글로벌 상태와 파라메트릭 잠재 상태라는 이중 맥락 상태를 유지하며, 글로벌 상태는 에피소드 기억에서 지속적으로 통합되는 다중 모달 스크립트로, 과거 이벤트를 요약하면서 최근 세부 사항을 보존해요.
Light-Omni는 기존 M3-Agent보다 평균 2.4%의 정확도 향상, 12.1배의 속도 향상, 2.6배의 GPU 메모리 효율성 개선을 달성했으며, 기존 MLLM의 성능과 효율성을 향상시키는 메모리 시스템으로도 활용돼요.