연구진은 LLM 에이전트의 경험 관리 효율성을 높이기 위해 메모리, 기술, 규칙을 하나의 축으로 통합하는 '경험 압축 스펙트럼' 프레임워크를 제안했어요.
이 프레임워크는 에피소드 메모리부터 선언적 규칙까지 압축 수준에 따라 분류하며, 기존 시스템들이 고정된 압축 수준으로 운영되는 '누락된 대각선' 문제를 지적했어요.
연구는 전문화만으로는 충분하지 않으며, 평가 방법과 지식 수명 주기 관리의 개선이 필요하다고 강조하며, 확장 가능한 에이전트 학습 시스템 설계를 위한 원칙을 제시했어요.