미미르: 21가지 신경과학 메커니즘을 기반으로 구축된 파이썬 메모리 시스템

Mímir는 발표된 인지과학 연구에서 도출된 21가지 메커니즘을 기반으로 구축된 AI 에이전트용 Python 메모리 시스템으로, 메모리를 데이터베이스처럼 취급하는 기존 RAG 접근법의 대안으로 개발되었습니다.

주요 신경과학 메커니즘

• 섬광 기억 (Brown & Kulik 1977) – 고각성 사건은 영구적인 안정성 바닥을 확보함
• 재통합 (Nader et al 2000) – 회상된 기억은 현재 기분 쪽으로 5% 이동함
• 검색 유도 망각 (Anderson 1994) – 하나의 기억을 검색하면 유사한 경쟁 기억이 능동적으로 억제됨
• 치가르니크 효과 – 해결되지 않은 실패는 특히 생생하게 남아, 에이전트는 작동하지 않은 것을 계속 재시도함
• Völva의 비전 – sleep_reset() 동안 무작위 기억 쌍이 샘플링되어 통찰력 기억으로 합성되며, 에이전트는 이를 가지고 깨어남
• Yggdrasil – 6가지 엣지 유형으로 에피소드, 절차, 사회적 기억을 통합된 지식 구조로 연결하는 지속적인 메모리 그래프

기술적 구현

검색은 5-신호 재순위 지정(키워드, 의미론적, 생생함, 기분 일치, 최신성)을 갖춘 하이브리드 BM25 + 의미론적 + 날짜 인덱스를 사용합니다. 이 접근법은 키워드 전용 시스템이 순수 의미론적 시스템을 이기던 상황 이후, 마침내 MSC를 원시 TF-IDF와 경쟁력 있게 만들었습니다.

벤치마크 결과

6가지 표준 메모리 벤치마크(Mem2ActBench, MemoryBench, LoCoMo, LongMemEval, MSC, MTEB)에서 테스트됨:

• Mem2ActBench에서 VividnessMem보다 13% 높은 도구 정확도로 우수함
• LongMemEval에서 96% R@10
• LongMemEval 6개 범주 중 3개(지식-업데이트, 단일-세션-선호도, 단일-세션-사용자)에서 100%
• MSC는 TF-IDF 기준선과 사실상 동등함(하이브리드 브리지 전에는 11% 뒤짐)

설치 및 아키텍처

pip install vividmimir로 설치합니다. 이 시스템은 두 개의 별도로 발표된 패키지 – VividnessMem(신경화학 엔진)과 VividEmbed(389차원 감정 인식 임베딩) –을 조정하지만, 전체 스택을 원하지 않을 경우 우아한 폴백과 함께 독립적으로 작동합니다.

저장소 및 전체 벤치마크 결과는 github.com/Kronic90/Mimir에서 확인할 수 있습니다.