Implementation and Performance Analysis of an Emotion-Aware Memory Architecture Agent, EMAA

기존의 대규모 언어 모델(LLM) 기반 에이전트는 감정적 특성을 반영하지 못해 인간의 복잡한 기억 처리와 행동을 모사하는 데 한계가 있었다. 이를 극복하기 위해, 본 연구는 감정적 특성을 반영하여 인간과 유사한 응답을 생성하는 감정 인식 메모리 아키텍처 에이전트(Emotion-Aware Memory Architecture Agent, EMAA)를 제안한다. EMAA는 사례 기반 학습(Instance-Based Learning), 감정 기억(Emotional Memory)등 심리학 이론을 기반으로 설계되었으며, 실시간 경험 데이터를 저장하는 단기 기억(STM)과 고차원 정보를 저장하는 장기 기억(LTM)으로 구성된다. 추가적으로 EMAA는 감정적 관련성(Emotion relevance)과 감정 강도(Emotion intensity)를 추가로 고려하여 메모리 검색 메커니즘을 강화하였다. 불면증 환자 페르소나를 기반으로 한 평가 결과, EMAA는 기존 모델 대비 감정적으로 적합한 메모리를 효과적으로 추출하고 맥락에 맞는 응답을 생성하며, 인간과 유사한 상호작용을 구현하였다. 해당 에이전트 구조는 사람다운 에이전트의 상호작용을 요하는 다양한 시뮬레이션 실험의 사실성에 더욱 기여할 수 있을것으로 판단된다.