미래를 위한 캐싱: 스크러브 제이의 기억 원리를 활용한 에이전트 메모리 시스템

Caching for the Future: Scrub Jay Episodic Memory Principles for Agent Memory Systems

세션 간에 지속되는 LLM 에이전트는 다양한 유형의 콘텐츠에 따라 유효성이 크게 달라지는 저장된 기억을 축적하지만, 기존 메모리 아키텍처는 모든 기억을 동일하게 영구적으로 취급하고 검색된 컨텍스트를 오래된 사실로 체계적으로 오염시킵니다. 본 연구에서는 서부 스크러브 제이의 에피소드 기억에서 나타나는, 기억 유형에 따른 시간 경과에 따른 성능 저하 특성을 LLM-에이전트 메모리 저장소 내에서 자동 분류된 계수 $π_i$로 구현하여 ScrubJay-MEM을 개발했습니다. 각 기억은 추정되는 소멸 가능성 $π_i$ 및 유효 기간 $τ_i$과 함께 What--Where--When 튜플로 인코딩되며, 질의에 적응적인 점수를 사용하여 검색되고, LLM 호출 $O(1)$ 회당 업데이트를 통해 사후적으로 수정됩니다. 본 연구에서는 유지 시간을 평가하고 일반화 격차(GenGap) 지표를 사용하는 벤치마크인 Temporal Generalization Test (TGT)를 소개합니다. TGT에서 ScrubJay-MEM은 상당한 양의 GenGap($+0.108$)을 보이는 유일한 검색 기반 시스템입니다. MemoryAgentBench EventQA-64k 데이터셋에서 ScrubJay-MEM은 Mem0보다 F1 점수가 $+2.66$점, Qwen3-Embedding-4B보다 $+3.09$점 향상되었습니다 (LLM 백본 사용). 시간 경과에 따른 성능 저하 기능을 제거한 실험 결과, GenGap이 $5.7 imes$ 감소하여, 유형별 성능 저하가 결과 달성에 필수적임을 확인했습니다. 더 강력한 백본을 사용할 경우 성능 향상이 줄어들고, 사실 통합 작업에서는 오히려 성능이 저하되어, 본 연구의 기여 범위는 일시적인 사실에 대한 시간 추론으로 제한됩니다.

LLM agents that persist across sessions accumulate stored memories whose validity varies enormously by content type, yet existing memory architectures treat all memories as equally persistent and systematically contaminate retrieved context with outdated facts. We show that per-memory, type-conditioned temporal decay, a property of western scrub jay episodic memory, can be operationalized as an auto-classified coefficient $π_i$ in an external LLM-agent memory store, yielding ScrubJay-MEM: each memory is encoded as a jointly-bound What--Where--When tuple with an estimated perishability $π_i$ and utility horizon $τ_i$, retrieved by query-adaptive scoring, and revised retroactively at $O(1)$ LLM calls per update. We introduce the Temporal Generalization Test (TGT), a benchmark with held-out retention intervals and a Generalization Gap (GenGap) metric. On TGT, ScrubJay-MEM is the only retrieval-based system with substantially positive GenGap ($+0.108$); on MemoryAgentBench EventQA-64k it improves F1 by $+2.66$ over Mem0 and $+3.09$ over Qwen3-Embedding-4B under a llm backbone. A decay ablation collapses GenGap by $5.7\times$, establishing type-conditioned decay as necessary for the result. Gains narrow under stronger backbones and reverse on fact-consolidation tasks, scoping the contribution to temporal reasoning over perishable facts.