장기 실행 LLM의 메모리 실패를 진단하는 오픈 아키텍처에 대한 분석.
이 문서는 Brain-AI Memory라는 오픈 아키텍처를 통해 장기 실행 LLM 에이전트의 메모리 실패를 진단하는 방법을 탐구합니다. 저자는 에이전트가 오래된 기억을 활용하거나 규칙을 무시하는 문제를 'retrieval 문제'로 보며, 이를 해결하기 위한 새로운 접근 방식을 제안합니다. 이 프로젝트는 기존의 RAG, hook, guard, harness, loop와 같은 개념을 새롭게 정의하려고 합니다.
Analyzing an open architecture that diagnoses memory failures in long-running LLM agents.
This article explores an open architecture called Brain-AI Memory, which aims to diagnose memory failures in long-running LLM agents. The author identifies issues such as agents using outdated memories or ignoring rules as 'retrieval problems' and proposes a fresh approach to resolving these challenges. This project seeks to redefine concepts like RAG, hook, guard, harness, and loop.