MemCog: 대화형 에이전트에서 기억을 도구로 사용하는 방식에서 기억을 인지 능력으로 변환하기

MemCog: From Memory-as-Tool to Memory-as-Cognition in Conversational Agents

기존의 에이전트 메모리 시스템은 '기억을 도구로' 활용하는 방식을 따르는데, 이는 단일 쿼리에 대해 일회성으로 평면적인 문장 목록을 검색하며, 수동적인 호출, 추론과 검색의 분리, 그리고 검색된 정보 조각과 에이전트의 탐색 요구 사항 간의 구조적 불일치 문제를 야기합니다. 본 논문에서는 '기억을 인지 능력으로' 활용하는 MemCog 시스템을 제안합니다. MemCog는 사용자 지식을 연관 링크 그래프를 갖춘 탐색 가능한 메모리 저장소로 구성하고, 다단계 추론 기반 탐색을 위한 교차 차원 탐색 인터페이스를 제공하며, 대화 맥락에서 에이전트가 자발적으로 메모리 탐색을 시작하도록 유도하는 능동적 추론 프로토콜을 사용합니다. 또한, 능동적인 메모리 활성화를 평가하기 위한 최초의 벤치마크인 ProactiveMemBench를 구축했습니다. 실험 결과는 MemCog가 수동 질의 응답 벤치마크에서 최첨단 성능(LoCoMo에서 92.98점, LongMemEval에서 95.8점)을 달성했으며, ProactiveMemBench에서는 기존 방식보다 훨씬 뛰어난 성능을 보였으며, 이는 '기억을 인지 능력으로' 활용하는 방식의 장점을 입증합니다.

Existing agent memory systems universally follow what we term a Memory-as-Tool paradigm where a single query triggers one-shot retrieval of flat passage lists, suffering from passive invocation, reasoning-retrieval decoupling, and structural mismatch between retrieved fragments and the agent's navigational needs. We propose MemCog, a Memory-as-Cognition system that makes memory access an integral part of the reasoning process. MemCog organizes user knowledge as Navigable Memory Store with associative link graphs, exposes Cross-Dimensional Navigation Interface for multi-step reasoning-driven traversal, and employs Proactive Reasoning Protocol that drives agents to spontaneously initiate memory exploration from conversational context. We additionally construct ProactiveMemBench, the first benchmark for evaluating proactive memory triggering. Experiments show that MemCog achieves state-of-the-art on passive QA benchmarks (92.98 on LoCoMo, 95.8 on LongMemEval) while substantially outperforming baselines on ProactiveMemBench, demonstrating the advantage of Memory-as-Cognition.