Memorilla의 내부 기억 메커니즘, 더 똑똑해진 Agent가 될까
Memorilla는 LLM이 내부의 검색 가능한 의미 표현에서 기억을 찾아 활용하도록 설계됐다. 이는 컨텍스트 조립 비용을 줄일 가능성이 있지만, 기억의 기록·충돌 처리·삭제·감사에 관한 공개 데이터가 부족해 RAG보다 우월하다고 결론 내리기는 어렵다.
Anthropic은 Agent Memory를 기록, 구성, 검색, 갱신, 망각의 생명주기로 설명한다. 이 글은 SQLite와 FTS5로 최소한의 메모리 시스템을 구현하고, 정확도를 평가하는 방법까지 다룬다.
Memorilla는 LLM이 내부의 검색 가능한 의미 표현에서 기억을 찾아 활용하도록 설계됐다. 이는 컨텍스트 조립 비용을 줄일 가능성이 있지만, 기억의 기록·충돌 처리·삭제·감사에 관한 공개 데이터가 부족해 RAG보다 우월하다고 결론 내리기는 어렵다.
Memdoor는 5개의 Qwen3.8-27B를 협업 팀으로 구성해 LiveCodeBench Hard에서 Fable 5를 넘어섰다. 이 사례를 통해 역할 분담, 공유 메모리, 결과 수정, 그리고 발생하는 엔지니어링 비용을 살펴본다.
Google Research의 Sleep framework는 새 데이터 학습과 기존 지식 보존을 하나의 과정에 결합해 LLM의 catastrophic forgetting을 줄이려는 접근이다. 장기 실행 Agent에 적용할 때의 핵심은 실시간 처리와 오프라인 메모리 정리를 분리하는 것이다.
Cursor가 IDE 내부의 Agent 기능을 SDK로 개방하며, 코드 실행 계층을 CI와 사내 개발 플랫폼, 자동화 흐름에 연결할 수 있게 했다. 다만 문서와 권한 모델이 구체화되기 전까지는 LangGraph를 대체할 범용 오케스트레이션 프레임워크로 보기 어렵다.
Artificial Analysis가 공개한 Intelligence Index v5는 모델별 성능과 사용 비용을 비교하는 새로운 평가 체계다.评测 기준부터 Agent 트래jectory 분석, 실제 예산에 맞는 모델 선별 절차까지 살펴본다.
OpenAI가 공개한 frontiers 모델 학습 환경 보안 Haven 관리와 시스템 보안QV에 관해 다룬다. 권한 경계, 이상 징후 모니터링, 감사 체계가 모델 개발과 배포의 신뢰성을 어떻게 좌우하는지 설명한다.
OpenAI는 학습 자료가 부족한 프로그래밍 언어에서 모델의 코드 생성 및 이해 능력을 평가했다. 더 현실적인 활용처는 고비용遗留 시스템의 부분 개선이지만, 안정적인 자동 마이그레이션까지는 아직 갈 길이 멀다.
Together Computer가 오픈소스로 공개한 HybridAgent는 CoT를 텍스트가 아닌 벡터 공간으로 옮긴다. HN 프론트에 50점짜리 논문인 만큼, 구현 방법과 재현 경로, 그리고 실제 엔지니어링 임팩트를 정리했다.
StarSkirmish Bench v0.2는 LLM이 직접 코드를 작성해 스타크래프트 대결을 붙는 방식이다. Gemini 4 Argon이 1위를 차지했지만 Claude·GPT와의 점수 차이는 0.몇 점 수준에 불과하다. 진짜 시험은 Agent의 장시간 인코딩 능력과 롱적 부하요, 2026년에 진짜 일을 시킬 수 있는 능력을 가르는 잣대다.
거의 10년 동안 반복적 자기 개선(Recursive Self-Improvement)은 단일 모델이 스스로를 갱신하는 데 머물러 한계에 부딪혔다. Sakana AI가 8월 초 공개한 새 논문은 여러 모델이 제안·평가를 주고받으며 함께 진화하는 집단 지능 방식으로 그 한계를 우회한다.
Anthropic이 Opus 5.5를 위해 별도 프롬프트 문서를 공개했고, HN에서 127점을 기록했다. 기존 인식과 다른 설계取舍 세 가지를 정리했다.