MemIndex: 다중 에이전트 분산 메모리 관리

로봇 공학, 산업 자동화, 자율 제어와 같은 대화형 애플리케이션은 사용자 입력에 동적으로 반응하는 지연 시간에 민감한 시스템이다. 이러한 애플리케이션은 효율적인 통신 프로토콜을 요구하며, 발행/구독(pub/sub) 모델이 유망한 접근 방식 중 하나로 꼽힌다. 그러나 기존 pub/sub 시스템은 제한된 메모리 용량과 동적 환경에서의 비효율성으로 인해 아키텍처적 제약을 겪고 있으며, 효과적인 분산 메모리 관리에 대한 연구는 미흡했다. 본 논문은 이러한 격차를 해소하기 위해 의도-색인 이분 그래프 아키텍처를 기반으로 하는 적응형 자율 분산 메모리 관리 프레임워크인 MemIndex를 제안한다. MemIndex는 언어 모델(LM) 기반 다중 에이전트 pub/sub 시스템을 위해 설계되었으며, 에이전트가 동적 색인 공간을 통해 실시간으로 메모리 작업을 자율적으로 협상하여 효율적인 추론을 가능하게 한다. 다양한 모델을 사용하여 두 가지 기준선과 비교 평가한 결과, MemIndex는 저장, 검색, 업데이트 및 삭제 작업 전반에서 기준선보다 우수한 성능을 보였다. 경과 시간은 평균 약 34% 및 56%, CPU 활용률은 57% 및 75%, 메모리 사용량은 23% 및 76% 감소하는 성과를 달성했다. 확장성 테스트에서도 MemIndex는 제출 및 에이전트 수가 증가함에 따라 낮은 종단 간 지연을 유지함을 입증했다. 이는 MemIndex의 협상 기반 오프로딩이 대화형 애플리케이션에서 효율적인 분산 메모리 관리를 가능하게 함을 확인시켜 준다.