TARL: 트랜잭션 인지 신뢰 가능한 장부 시스템 - 장기 에이전트의 실행 가능한 메모리 관리를 위한 기술

TARL: Transaction-Aware Reliable Ledgers for Executable Memory Management in Long-Term Agents

영구 메모리는 장기 에이전트가 지식을 유지하는 데 도움이 되지만, 단 하나의 업데이트 오류로 인해 미래의 검색 및 추론이 반복적으로 왜곡될 수 있습니다. 대부분의 기존 시스템은 메모리 업데이트를 단순한 쓰기/유지(Write/Hold) 결정으로 처리하며, 새로운 정보가 추가되어야 하는지, 무시해야 하는지, 오래된 믿음을 수정하는 데 사용해야 하는지, 신뢰할 수 없으므로 거부해야 하는지, 아니면 검증을 위해 보류해야 하는지를 구별하지 못합니다. 이러한 선택들은 동일한 이진 레이블을 가질 수 있지만 근본적으로 다른 메모리 상태를 생성할 수 있습니다. 본 논문에서는 각 문장을 다섯 가지 실행 가능한 작업 중 하나로 매핑하는 메모리 상태 업데이트 프레임워크인 TARL을 소개합니다. TARL은 영향을 받는 메모리를 식별하고, 시간 범위를 해결하며, 출처의 신뢰성을 비교하고, 허용된, 보류 중인 및 거부된 장부를 업데이트합니다. 또한, 대체 업데이트 작업에 의해 생성되는 메모리 상태를 비교하여 모델이 올바른 결과를 초래하는 작업을 선택하도록 훈련합니다. 또한, 세분화된 액션 레이블과 다음 상태 목표를 포함하는 TARL-Mem이라는 벤치마크를 소개합니다. 다양한 평가(동일 도메인, 교차 소스, 시간적, 반사실적 및 순차적)에서 TARL은 작업 예측 및 상태 복구를 개선하고, 메모리 오염을 줄이며, 상충되는 증거를 보존하고, 누적적인 손상을 제한합니다. 전체 모델 구현은 추가 자료에 제공됩니다.

Persistent memory helps long-term agents retain knowledge, yet a single update error can repeatedly distort future retrieval and reasoning. Most existing systems reduce memory updating to a binary Write/Hold decision, which cannot distinguish whether new information should be added, ignored, used to revise an outdated belief, rejected as unreliable, or deferred for verification. These choices may share the same binary label while producing fundamentally different memory states. We introduce TARL, a memory state update framework that maps each statement to one of five executable actions. TARL identifies the affected memory, resolves its temporal scope, compares source reliability, and updates accepted, pending, and rejected ledgers. It is further trained by comparing the memory states produced by alternative update operations, encouraging the model to select the operation that leads to the correct result. We also introduce TARL-Mem, a benchmark with fine-grained action labels and next-state targets. Across in-domain, cross-source, temporal, counterfactual, and sequential evaluations, TARL improves action prediction and state recovery, reduces memory pollution, preserves conflicting evidence, and limits cumulative corruption.