마이크로소프트, AI 에이전트 기억력 개선 기술 메모라 발표

주장현재 인공지능 에이전트는 과거 상호작용을 기억하지 못하는 상태 기반의 한계를 지닙니다. 마이크로소프트는 이를 해결하고자 추상화와 구체성을 조화롭게 결합한 메모리 시스템인 메모라를 제안합니다.

팩트메모라는 저장 내용과 검색 방식을 분리하는 구조를 채택했습니다. 핵심 추상화 문구와 풍부한 메모리 값을 분리해 저장함으로써 정보 파편화를 방지하고 효율적인 검색을 지원합니다.

교차검증기존 검색 증강 생성 기술인 래그나 멤제로 같은 시스템은 세부 정보를 보존하면 파편화가 발생하고, 요약 중심 시스템은 중요한 세부 사항이 손실되는 상충 문제를 겪어왔습니다. 메모라는 이러한 추상화와 구체성 사이의 긴장을 해결합니다.

팩트메모라는 로코모 및 롱멤이발 벤치마크에서 기존 래그, 멤제로, 젭 등을 능가하는 최고 수준의 성능을 기록했습니다. 전체 문맥을 입력하는 방식 대비 토큰 사용량을 최대 98%까지 절감합니다.

팩트메모라의 검색 방식은 정책 기반 검색기를 통해 이루어집니다. 이는 단순 유사도 기반 검색이 아니라 에이전트가 추론 과정을 거쳐 필요한 정보를 능동적으로 찾아가는 방식입니다.

팩트각 메모리 항목은 6~8단어의 짧은 핵심 추상화 문구와 상세 내용을 담은 메모리 값으로 구성됩니다. 큐 앵커라는 메타데이터를 통해 다양한 경로로 정보에 접근하도록 설계했습니다.

교차검증기존 그래프 기반 메모리 시스템은 엄격한 온톨로지 정의가 필요하여 도메인 간 확장이 어렵다는 단점이 있습니다. 메모라는 별도의 사전 정의된 스키마 없이도 유연하게 정보를 연결하는 구조를 지향합니다.

주장이번 연구는 인공지능 에이전트가 단기 작업을 넘어 수개월 혹은 수년간 사용자와 협업할 기반을 마련합니다. 이는 기업의 조직적 지식을 축적하고 장기 프로젝트를 관리하는 인공지능 비서의 핵심 기술이 됩니다.

팩트메모라 연구 논문은 국제 머신러닝 학회인 아이씨엠엘 2026에서 발표되었습니다. 관련 코드는 마이크로소프트 공식 깃허브 저장소를 통해 공개했습니다.

팩트연구진은 메모라 시스템이 다단계 추론이 필요한 복잡한 작업에서 특히 큰 강점을 보인다고 설명합니다.

주장메모라는 인공지능이 과거의 맥락을 정확히 이해하고 활용하게 함으로써 사용자 경험을 획기적으로 개선합니다. 이는 인공지능 에이전트의 실용성을 높이는 중요한 전환점이 됩니다.

출처마이크로소프트 리서치 공식 블로그 및 관련 연구 자료를 교차 검증했습니다.