시맨틱 XPath: 대화형 AI를 위한 구조화된 에이전트 기반 메모리 접근 방식

Semantic XPath: Structured Agentic Memory Access for Conversational AI

대화형 AI(ConvAI) 에이전트는 장기적인, 목표 지향적인 상호작용을 지원하기 위해 점차 구조화된 메모리를 활용하고 있습니다. 컨텍스트 메모리 접근 방식은 증가하는 기록을 모델 입력에 추가하지만, 컨텍스트 윈도우 제한으로 인해 확장성이 떨어집니다. RAG(Retrieval-Augmented Generation) 기반 방법은 요청과 관련된 정보를 검색하지만, 대부분의 방법은 평면적인 메모리 컬렉션을 가정하고 구조를 고려하지 않습니다. 본 논문에서는 구조화된 대화형 메모리에 접근하고 업데이트하기 위한 트리 구조의 메모리 모듈인 Semantic XPath를 제안합니다. Semantic XPath는 평면적인 RAG 기반 모델보다 성능이 176.7% 향상되었으며, 컨텍스트 메모리에 필요한 토큰의 9.1%만을 사용합니다. 또한, 구조화된 메모리와 쿼리 실행 세부 사항을 시각화하는 엔드투엔드 ConvAI 데모 시스템인 SemanticXPath Chat을 소개합니다. 전반적으로, 본 논문은 구조화된 메모리를 기반으로 구축된 차세대 장기적인, 목표 지향적인 ConvAI 시스템의 후보가 될 수 있는 기술을 제시합니다.

Conversational AI (ConvAI) agents increasingly maintain structured memory to support long-term, task-oriented interactions. In-context memory approaches append the growing history to the model input, which scales poorly under context-window limits. RAG-based methods retrieve request-relevant information, but most assume flat memory collections and ignore structure. We propose Semantic XPath, a tree-structured memory module to access and update structured conversational memory. Semantic XPath improves performance over flat-RAG baselines by 176.7% while using only 9.1% of the tokens required by in-context memory. We also introduce SemanticXPath Chat, an end-to-end ConvAI demo system that visualizes the structured memory and query execution details. Overall, this paper demonstrates a candidate for the next generation of long-term, task-oriented ConvAI systems built on structured memory.