연구진은 LLM 에이전트의 장기적인 상호작용을 위해 원자적 사실 기반의 기존 기억 방식의 한계를 지적했어요. TriMem은 원시 대화 세그먼트, 원자적 사실, 종합적인 의미 이해를 위한 프로필을 포함한 세 가지 표현 수준을 동시에 유지하는 새로운 접근 방식을 제시했어요.
TriMem은 TextGrad 기반 프롬프트 최적화를 통해 추출 및 프로필링 프롬프트를 반복적으로 개선하여 파라미터 업데이트 없이도 지속적인 진화를 가능하게 해요.
LoCoMo와 PerLTQA 데이터셋에서 다양한 LLM 백본을 사용한 실험 결과, TriMem이 기존 기억 방식보다 우수한 성능을 보였어요.