Memory Tax — 에이전트 메모리의 순가치

TL;DR

저자들은 전용 에이전트 메모리를 원시 이력의 직접 검색과 비교하고, 평가한 환경에서 많은 메모리 시스템이 단순 RAG보다 낮은 성능을 보인다고 보고한다. 이력을 변환하고 접근하는 과정에서 발생한 손실을 메모리 세금이라고 부른다. 그렇다고 모든 메모리 시스템이 해롭다는 사실이 입증된 것은 아니다. (source)

저자와 소속

Xuan He, Sining Zhoubian, Ruozhen Yang, Yuhao Wen, Zhineng Wang, Yuyang Hu, Ke Yang, Yuyu Zhang, Ping Nie, Jiawei Han, ChengXiang Zhai. 캡처한 초록 기록에서는 소속을 확인할 수 없다. 최초 제출일은 2026-10-25다. (source)

방법

이 연구는 RAG를 기준으로 삼아 여러 벤치마크와 기반 모델에서 메모리의 이익과 메모리 세금을 구분한다. 사실을 재구성하거나 선호를 추출하면 정보 접근에 도움이 될 수 있지만, 근거를 없애거나 가릴 수도 있다. 저자들은 이러한 손실의 원인으로 시스템 설계와 평가를 모두 검토한 뒤, 다른 메모리 응용에도 이 관점을 확장한다. (source)

결과

초록은 단순 RAG보다 성능이 떨어지는 사례가 자주 나타난다고 보고하지만, 벤치마크와 모델의 전체 조합을 명시하거나 수치로 된 효과 크기를 제공하지 않는다. 코드와 결과를 공개하겠다고 약속하며, 이번 검토에서는 해당 산출물의 이용 가능 여부를 확인하지 않았다. (source)

의의

Agents (LLM Agents)와 Context Compaction에서 유용한 비교 대상은 보존된 원시 정보 대비 순이익이다. 이는 Raw-RAG — raw-history retrieval as a memory baseline를 보완한다. 메모리 메커니즘은 단독 점수만이 아니라, 자신이 변경하는 근거까지 정당화해야 한다. (source) (earlier study)

열린 질문

초록에는 모델 설정, 검색 예산, 비용과 개별 실패율이 명시되어 있지 않다. 정보 손실을 검색 및 평가의 영향과 구분하려면 논문 전체를 검토해야 한다. 독립적인 재현 실험은 수행하지 않았다. (source)

인용

• arXiv:2610.34073 — 최초 제출 2026-10-25.
• 캡처한 초록.