IAAR-Shanghai/Awesome-AI-Memory

소개 대규모 언어 모델(LLMs)에 지속적인 기억력을 부여하기 위한 연구 논문, 오픈소스 프로젝트, 실무 지식을 수집하고 정리한 커뮤니티 큐레이션 저장소입니다. 현재의 LLMs는 한 번에 볼 수 있는 텍스트 양인 '컨텍스트 윈도우'가 제한되어 있어 본질적으로 단기 기억에만 의존하며, 스스로 긴 대화나 개인화, 다단계 작업을 유지할 수 없습니다. 이 프로젝트는 이러한 한계를 극복하기 위해 존재합니다.

이 저장소는 장기적으로 기억하고 지속적으로 개선할 수 있는 AI 시스템을 구축하는 연구자와 실무자를 위한 진화하는 지식 베이스를 지향합니다. (README: "仓库目标" — 목표 섹션)

주요 내용

• 1,270편 이상의 연구 논문 목록 (README 배지: "Papers 1271"): 설문 조사, 방법론/프레임워크, 데이터셋/벤치마크, 모델/시스템 논문으로 분류.
• 111개의 프로젝트가 포함된 오픈소스 프로젝트 섹션 (README 배지: "Open Source Projects 111").
• 테스트/벤치마크 섹션 (📊 测试基准), 멀티미디어 리소스 (🎥 多媒体资源), 그리고 "Adam 프레임워크" 섹션 (🧠 Adam 框架) — README에 섹션 헤더가 나열되어 있으나 상세 내용은 별도 설명되지 않음.
• 기억 유형(단기, 장기, 에피소드, 파라메트릭 등)과 기억 작업(쓰기, 검색, 업데이트, 삭제, 압축)을 정의한 핵심 개념 치트 시트.
• 정기적인 업데이트를 보여주는 변경 로그 — 2025년 12월 저장소 최초 공개 이후 업데이트마다 수십 편의 논문이 추가됨.
• SCREENING.md에 기록된 선별 절차를 통한 기여 권장 (README 배지: "PRs Welcome").

범위 — 포함 및 제외 항목 (README "项目范围" 섹션)

• 에이전트 기억 및 언어 모델의 내부 기억 메커니즘에 집중 — 기억력이 논문의 핵심 연구 질문이어야 하며, LLM 또는 멀티모달 LLM에서 연구되어야 함.
• 포함: 장기, 에피소드, 의미론적, 공유 및 경험 기반 절차적 기억; LLM에서의 저장, 유지, 주소 지정, 회상 및 망각; 이러한 메커니즘에 대한 평가, 보안 연구 및 설문 조사.
• 제외: 순수 시각 정보나 저수준 로봇 상태, 하드웨어/KV-캐시 효율성, 일반적인 RAG/긴 컨텍스트/도구 라우팅, LLM으로의 전이만 주장하는 인접 분야 연구.
• 증거가 불충분한 논문은 성급하게 거부하거나 수락하지 않고 추후 검토를 위해 표시하며, 무엇이 검증되었는지 정확히 명시함 (예: 초록 수준의 확인을 전체 논문 확인으로 제시하지 않음).

조직 방식 (README의 구조와 내용에 반영) 논문은 발행일 순으로 나열되며 카테고리(설문 조사; 방법론/프레임워크; 데이터셋/벤치마크; 모델/시스템)별로 그룹화됩니다. 각 항목은 날짜, 제목, 요약 글머리 기호, arXiv 링크를 보여줍니다. README의 분류 섹션(현재 주석 처리됨)은 저장 위치(파라메트릭 vs 외부), 시간 범위(단기 vs 장기), 콘텐츠 유형(에피소드 vs 의미론적 vs 절차적), 시스템 아키텍처(RAG, 벡터 검색, 기호-신경 하이브리드) 등의 차원에 따라 기억을 분류합니다.

중요성 README는 기억 시스템을 외부의 지속적이고 제어 가능한 기억 구조를 추가함으로써 LLM의 근본적인 컨텍스트 윈도우 제한을 해결하는 솔루션으로 정의합니다. 이를 통해 모델은 세션 간에 과거 정보를 저장, 검색, 압축 및 관리하여 단일 프롬프트를 넘어선 일관성과 지속적인 추론을 달성할 수 있습니다.