기억에 그래프가 정말 필요한가? 장기 대화 기억을 위한 통일된 프레임워크 및 실증 분석

Does Memory Need Graphs? A Unified Framework and Empirical Analysis for Long-Term Dialog Memory

그래프 구조는 대화 기억 시스템에서 점점 더 많이 사용되고 있지만, 그 효과에 대한 실증적 연구 결과는 일관성이 없어 어떤 설계 선택이 실제로 중요한지에 대한 명확성이 부족합니다. 본 연구에서는 장기 대화 기억 아키텍처에 대한 실험적이고 시스템 지향적인 분석을 제시합니다. 우리는 대화 기억 시스템을 핵심 구성 요소로 분해하고 그래프 기반 및 비 그래프 기반 접근 방식을 모두 지원하는 통일된 프레임워크를 소개합니다. 이 프레임워크 하에서, LongMemEval 및 HaluMem 데이터셋을 사용하여 기억 표현, 구성, 유지 관리 및 검색 방식의 일반적인 설계 선택에 대한 통제되고 단계적인 실험을 수행했습니다. 우리의 결과는 많은 성능 차이가 특정 아키텍처 혁신보다는 기본적인 시스템 설정에 의해 결정된다는 것을 보여줍니다. 이러한 결과를 바탕으로, 향후 대화 기억 연구를 위한 안정적이고 신뢰할 수 있는 기준을 제시합니다. 관련 코드는 https://github.com/AvatarMemory/UnifiedMem 에서 확인할 수 있습니다.

Graph structures are increasingly used in dialog memory systems, but empirical findings on their effectiveness remain inconsistent, making it unclear which design choices truly matter. We present an experimental, system-oriented analysis of long-term dialog memory architectures. We introduce a unified framework that decomposes dialog memory systems into core components and supports both graph-based and non-graph approaches. Under this framework, we conduct controlled, stage-wise experiments on LongMemEval and HaluMem, comparing common design choices in memory representation, organization, maintenance, and retrieval. Our results show that many performance differences are driven by foundational system settings rather than specific architectural innovations. Based on these findings, we identify stable and reliable strong baselines for future dialog memory research. Code are available at https://github.com/AvatarMemory/UnifiedMem