Finite Context 한계 극복을 위한 메모리 계층화 및 Concept-based 압축 설계
Notes: Memory, Context, and Large Language Models (LLMs)
Sleep Phase 도입을 통한 AI Agent Recall 100% 달성 및 노이즈 필터링
Do AI Agents Need to Sleep? I Built One That Does
737:1의 저밀도 필터링을 통한 AI Agent 장기 기억 최적화
I Trained My OpenClaw to Dream. Here's What It Learned Overnight.
Belief-Aware Memory 도입을 통한 LLM 자가 수정 루프의 데이터 무결성 보장
Belief-Aware Memory: Teaching Your Agent When Not to Write
LLM 파이프라인 기반의 Stash 정제 루프로 메모리 엔트로피 해결 및 지연시간 66% 감소
The Improvement Loop: How akm Keeps Your Agent Sharp
비동기 Batch Pipeline을 통한 GPU 효율 극대화 및 Memory Consolidation 설계
Do Androids Dream of Your Electric Life?
Memory Consolidation을 통한 LLM Context 효율 극대화 및 Noise 제거
Claude Code Dreaming - What /dream Actually Does for Your Memory
Dreaming 아키텍처 구현을 통한 Context Window 최적화 및 가설 검증 루프 구축
I Reimplemented Anthropic Dreaming. The First Dream Was Wrong.
Anthropic KAIROS 분석으로 구현한 AI 에이전트 지속 메모리 설계
We reverse-engineered KAIROS from the Claude Code leak. Here's the open version.
nan-forget가 LLM에 점차 잊어버리는 기억, 연결고리로 확장되는 활성화, 수면 중 통합되는 경험을 적용해 AI 코딩 세션의 장기 기억 문제를 해결한다
Brain-Inspired Memory for LLMs