기존 방식은 메모리를 각각 따로 평가했는데, MemQ는 어떤 메모리가 새 메모리 생성에 기여했는지를 provenance DAG로 추적해요

MemQ가 LLM 에이전트 메모리 학습에 Q-learning을 붙여 6개 벤치마크 전부에서 최고 성공률을 기록했어요.

기존 방식은 메모리를 각각 따로 평가했는데, MemQ는 어떤 메모리가 새 메모리 생성에 기여했는지를 provenance DAG로 추적해요. 그리고 TD(λ)로 보상을 거슬러 전파하고, 가중치는 DAG 깊이 d에서 (γλ)^d로 줄어들게 설계했어요.

OS 조작, 함수 호출, 코드 생성, 멀티모달/체화 추론, 전문가급 QA까지 일반화·런타임 학습에서 모두 1위를 냈어요. 향상 폭은 다단계 과제에서 최대 +5.7%p, 단일 분류 과제는 +0.77%p였어요.

결국 에이전트 메모리는 "무엇을 저장했나"보다 "어떤 기억 사슬을 만들었나"를 학습해야 성능이 커진다는 점을 보여준 결과예요.