연구진은 LLM의 사실 손실, 시간선 혼동, 페르소나 드리프트 문제를 해결하기 위해 ARPM이라는 외부 템포럴 메모리 거버넌스 프레임워크를 소개했어요.
ARPM은 벡터 검색, BM25, RRF 융합 등 다양한 기술을 결합하여 정적 지식 메모리와 동적 대화 경험 메모리를 분리하고, 증거 검증 및 답변 결합을 위한 통제된 분석 프로토콜을 사용해요.
엔지니어링 로그를 통해 실험 결과, ARPM은 노이즈가 많은 환경에서도 페르소나 일관성을 유지하며, 장기 페르소나 일관성을 분해하고 평가할 수 있음을 보여줬어요.