에이전트 메모리에서 벡터 검색이 약한 경우
에이전트가 과거 기록을 다시 찾아 써야 할 때, 은 긴 글이나 문장처럼 말의 뜻이 중요한 자료에는 잘 맞는다. 하지만 “어떤 선택지를 골랐는지”, “어느 계정인지”, “다음에 무엇을 해야 하는지”처럼 표의 행과 열에 담긴 화된 기억을 찾을 때는 약할 수 있다. 은 비슷한 의미를 넓게 묶어 주지만, 정확한 필드와 조건을 맞춰야 하는 를 흐리게 만들 수 있다.
대안으로 에이전트의 화된 과거 기록을 직접 조회하고, 필요한 필드를 예측한 뒤, 점수를 붙여 낮을 때만 으로 넘기는 방식이 제안됐다. 해당 데이터에서는 적은 양의 자료만으로도 필요한 문맥을 약 65% 맞게 되찾았고, 이 놓친 경우를 일부 보완했다. 다만 언어 의미를 깊게 이해해야 하는 에서는 여전히 이 더 알맞다.
이 방식은 에이전트가 반복해서 수행하는 대량의 화 조회에 더 잘 맞는다.
핵심 포인트
- 은 문장 의미를 찾는 데 강하지만, 계정·선택지·다음 행동 같은 화된 기억에는 약할 수 있다.
- 은 비슷한 의미를 묶는 과정에서 정확한 행·열 조건을 흐리게 만들 수 있다.
- 화된 과거 기록을 조회해 필요한 필드를 예측하고, 가 낮을 때만 을 쓰는 방식이 제안됐다.
- 한 데이터에서는 적은 자료로도 필요한 문맥을 약 65% 되찾았다.
- 언어 중심 기억에는 이 여전히 더 적합하며, 이 방식은 반복적인 화 조회에 맞다.