연구진은 사용자 맞춤형 AI를 위해 Emotion-Attended Stateful Memory (EASM) 아키텍처를 제안했어요. 이 아키텍처는 장기적인 대화 기록, 감정 신호, 의도 추론을 활용해 사용자별 대화 맥락을 동적으로 구축합니다.
30건의 비스크립트 대화에서 EASM이 stateless 모델보다 모든 평가 시나리오에서 성능이 높았으며, 특히 기억 기반 정보 활용은 95% 향상됐어요.
EASM은 슬픔, 고통, 불확실성과 같은 감정적 상황에서도 일관된 성능을 보여, 사용자 맞춤형 AI 시스템의 기반 기술로 활용될 가능성을 제시합니다.