취약점 연구에 LLM 에이전트를 활용하던 중 장시간 조사 후 모델이 기존에 확립한 사실을 잊거나 이미 반박된 가정을 계속 믿는 문제를 겪은 저자는, 일반적인 메모리 시스템(대화 저장 + 임베딩 검색)의 한계를 발견했습니다. 저자는 이 문제가 사실 변경 시 영향받는 결론만 갱신하는 프로그램 분석과 유사하다는 점에 착안해, LLM을 위한 Datalog 엔진을 직접 구현하게 되었다고 설명합니다.
AI 검색 기업 퍼플렉시티(Perplexity)가 컴퓨터 에이전트의 작업 기록을 학습하여 스스로 개선하는 메모리 시스템인 '브레인(Brain)'을 출시했습니다. 이 시스템은 에이전트의 성공과 실패 기록을 추적 가능한 문맥 그래프(Context Graph)로 구축하고, 밤사이 이를 분석하여 정확도, 정보 회상률 및 비용 효율성을 자동으로 향상시킵니다. AI가 단순히 지시를 수행하는 것을 넘어 과거의 실수를 학습해 독립적으로 업무 능력을 발전시킨다는 점에서 매우 중요한 의미를 갖습니다.
OpenAI가 ChatGPT의 메모리 시스템을 고도화하여, 단순한 텍스트 나열이 아닌 업무, 취미, 여행 등 카테고리별로 정리된 자연스러운 글 형태의 프로필을 자동 생성 및 관리하도록 업데이트했습니다. 대화 내용을 바탕으로 맥락과 최신 선호도를 스스로 파악해 답변의 품질과 개인화 수준을 크게 높였으며, 필요한 컴퓨팅 자원은 1/5 수준으로 줄여 무료 사용자에게도 점진적으로 제공할 예정입니다. 사용자는 설정 메뉴를 통해 이 기억된 정보를 직접 확인하고 수정할 수 있습니다.