에이전틱 컨텍스트 관리: 에이전트 메모리와 비용을 생명주기와 아키텍처 문제로 보고 해결하기

새 논문은 많은 AI 에이전트 실패가 약한 추론보다 잘못된 컨텍스트 처리에서 비롯된다고 지적한다.

논문은 무엇을 유지·정리·범위화·예측·압축할지 결정하는 5개 원시 동작을 갖춘 Agentic Context Management 프레임워크를 제안한다.

또한 레퍼런스 시스템을 제시하고, 메모리 집약적 벤치마크에서 강한 성능을 보고했다.

이 접근은 실제 에이전트를 더 저렴하고 신뢰성 높게 만들며, 긴 상호작용에서도 유용한 정보를 더 잘 보존하게 할 수 있다.