에이전트 메모리는 ‘변화가 이어지는지’ 보고 갱신해야 한다
에이전트의 관리에서 잊을 정보 고르기, 서로 맞지 않는 사실을 믿을 시점 정하기, 신뢰가 깨진 출처를 빨리 낮추기, 여러 답안 후보 중 몇 개를 비교할지 정하기는 서로 다른 문제가 아니다. 모두 새 정보 하나를 얼마나 빨리 믿을지의 문제다. 너무 빨리 갱신하면 한 번의 나쁜 입력만으로 가 뒤집힌다.
너무 느리게 갱신하면 실제로 상황이 바뀌었을 때 뒤처진다. 어떤 값이 갑자기 달라진 첫 순간에는 단순한 오류인지 진짜 변화의 시작인지 바로 구분할 수 없다. 그래서 한 번의 입력으로 판단하지 말고, 비슷한 변화가 몇 번 이어지는지 확인한 뒤 를 바꾸는 방식이 더 안정적이다.
실제로 16개의 라벨 데이터 흐름으로 비교했을 때, 오래 이어지는 변화에서는 이런 지속성 기반 감지가 단순한 한 지점 판단보다 항상 이기거나 같았다. 한 오류 사례에서는 같은 에서 단순 규칙이 1181번의 잘못된 경고를 냈지만 지속성 기반 방식은 0번이었다. 다만 짧게 튀는 일시적 이상값만 잡아야 할 때는 단순 규칙이 더 나을 수 있다.
핵심 포인트
- 의 여러 판단 문제는 결국 새 정보를 얼마나 빨리 믿을지의 문제다.
- 한 번의 이상한 입력만으로 를 바꾸면 오염된 정보에 쉽게 흔들린다.
- 지속성 기반 방식은 비슷한 변화가 몇 번 이어질 때만 갱신한다.
- 16개 라벨 데이터 흐름에서 오래 이어지는 변화는 지속성 기반 감지가 단순 규칙보다 안정적이었다.
- 짧게 튀는 일시적 이상값을 빠르게 잡는 데는 단순 규칙이 더 유리할 수 있다.