💬 NLP

WorldDB: A Vector Graph-of-Worlds Memory Engine with Ontology-Aware Write-Time Reconciliation

이 논문은 노드를 재귀적 하위 그래프를 가진 '세계'로 정의하고, 콘텐츠 주소 기반 불변성 및 엣지 타입별 쓰기 시 프로그램 처리를 통해 기존 RAG 및 지식 그래프 시스템의 한계를 극복하고 장기 기억 추론 성능을 획기적으로 향상시킨 'WorldDB'라는 메모리 엔진을 제안합니다.

원저자: Harish Santhanalakshmi Ganesan

게시일 2026-04-21

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Harish Santhanalakshmi Ganesan

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

월드DB (WorldDB): AI 가 잊지 않고, 혼동하지 않는 '초지능 기억장치'

이 논문은 인공지능 (AI) 이 오랫동안 대화하거나 복잡한 작업을 수행할 때 겪는 **'기억력 문제'**를 해결하기 위해 개발된 새로운 시스템, **월드DB(WorldDB)**에 대해 설명합니다.

기존의 AI 는 대화를 많이 하면 할수록 앞선 내용을 잊어버리거나, 같은 사람에 대해 서로 다른 정보를 기억하는 등 '기억력 장애'를 겪었습니다. 월드DB 는 이를 해결하기 위해 세 가지 혁신적인 아이디어를 적용했습니다.

1. 기존 방식의 문제점: "산더미 같은 메모장"

지금까지의 AI 기억 시스템 (RAG) 은 마치 무작위로 찢어진 메모지를 한 바구니에 담고 있는 것과 같습니다.

문제 1 (조각난 기억): "내 이름은 철수야"라고 말하면 한 메모지에, "철수는 서울에 살아"라고 말하면 다른 메모지에 적힙니다. AI 는 이 두 메모지를 연결하지 못해 "철수가 누구지?"라고 헷갈립니다.
문제 2 (시간의 혼란): "지난달엔 비가 왔어"와 "오늘은 맑아"가 섞여 있으면, AI 는 어느 것이 진짜인지 구분하지 못해 엉뚱한 답을 합니다.
문제 3 (누락된 진실): 새로운 정보를 입력할 때, 예전 정보를 지우지 않고 그냥 뒤에 붙여넣기만 합니다. 그래서 AI 는 "과거의 거짓말"과 "현재의 진실"을 동시에 믿고 있습니다.

2. 월드DB 의 해결책: "살아있는 우주"

월드DB 는 이 메모지들을 단순히 쌓아두는 게 아니라, **작은 우주 (World)**를 만들어 관리합니다.

🌌 아이디어 1: "작은 우주 속의 우주" (Recursive Worlds)

비유: 일반적인 데이터베이스는 서랍장처럼 단순합니다. 하지만 월드DB 는 인형집 같습니다. 큰 인형집 (전체 대화) 안에 작은 방 (세션) 이 있고, 그 방 안에 또 작은 방 (주제) 이 있습니다.
효과: AI 는 "철수"라는 인형이 어느 방에 있는지 정확히 알 수 있습니다. "철수"가 과거에 어떤 방에 있었는지, 지금은 어떤 방에 있는지 구조적으로 구분합니다.

🔒 아이디어 2: "변하지 않는 도장" (Content-Addressed Immutability)

비유: 기존 시스템은 메모지를 수정 가능하게 썼습니다. "철수는 서울에 산다"를 "철수는 부산에 산다"로 고치면, 원본이 사라져 버립니다.
월드DB 방식: 모든 메모지는 변경 불가능한 도장처럼 찍힙니다. 내용을 고치려면 새로운 도장을 찍고, 예전 도장은 "과거의 기록"으로 보관합니다.
효과: "어떤 정보가 언제부터 언제까지 진실이었는지"를 완벽하게 추적할 수 있습니다. 마치 블록체인처럼 모든 기록이 위조 불가능하고 감사 (Audit) 가 가능합니다.

⚙️ 아이디어 3: "지시 명령을 가진 연결고리" (Edges as Write-Time Programs)

비유: 기존 시스템은 메모지끼리 단순한 끈으로 연결되어 있습니다. "철수"와 "서울"을 끈으로 묶어두는 것뿐입니다.
월드DB 방식: 끈 자체가 작은 로봇입니다.
- 대체 (Supersedes) 로봇: "새 정보가 들어오면, 예전 정보를 '종료' 표시로 바꾸세요"라고 자동으로 작동합니다.
- 모순 (Contradicts) 로봇: "이 두 정보가 서로 다르면, 둘 다 지우지 말고 '충돌 중'이라고 표시하세요"라고 경고합니다.
- 동일 (Same_as) 로봇: "철수와 김철수는 같은 사람일까요? 일단 '확인 필요'로 남겨두고, 나중에 결정하세요"라고 기다립니다.
효과: AI 가 실수로 잘못된 정보를 덮어쓰거나, 모순된 정보를 섞지 않도록 시스템이 스스로 규칙을 지킵니다.

3. 실제 성과: "기억력 테스트에서 압도적 승리"

이 시스템은 LongMemEval이라는 거대한 기억력 시험 (약 11 만 토큰 분량의 긴 대화) 에서 다른 어떤 시스템보다 뛰어난 성적을 냈습니다.

점수: 96.40% (이전 최고 기록인 90.79% 를 크게 웃돌았습니다).
특히 뛰어난 점:
- 오래된 대화 기억: 몇 달 전 대화에서도 "철수"가 누구인지 정확히 기억해냈습니다.
- 시간 감각: "지난달엔 비가 왔지만 지금은 맑다"는 사실을 혼동하지 않고 정확히 구분했습니다.
- 정보 업데이트: "서울에 살다가 부산으로 이사했다"는 정보를 입력하면, 과거 기록은 보존하되 현재는 부산으로 업데이트됩니다.

4. 결론: 왜 이것이 중요한가?

월드DB 는 AI 가 단순히 말을 잘하는 챗봇을 넘어, 오랜 시간 함께 일하는 신뢰할 수 있는 파트너가 될 수 있게 합니다.

기존: "아까 뭐라고 했지? 다시 말해줘." (기억력 부족)
월드DB: "네, 지난주에 우리가 논의했던 '철수'의 프로젝트 변경 사항을 기억하고 있습니다. 당시에는 A 였지만, 오늘 수정되어 B 가 되었습니다." (정확한 맥락과 역사 유지)

이 기술은 AI 가 인간의 기억처럼 시간을 초월하고, 모순을 해결하며, 구조적으로 사고할 수 있는 토대를 마련해 줍니다. 이제 AI 는 더 이상 잊어버리는 존재가 아니라, 완벽한 기억을 가진 지능이 될 수 있습니다.

1. 문제 정의 (Problem Statement)

대규모 언어 모델 (LLM) 이 단순한 상태 없는 채팅에서 수일 또는 수개월에 걸친 장기 실행 에이전트 (Agentic Systems) 로 진화함에 따라, 지속 가능한 메모리 계층이 주요 공학적 병목 현상이 되었습니다. 기존 접근 방식의 한계는 다음과 같습니다.

기존 RAG (검색 증강 생성) 의 구조적 결함:
- 의미적 분할 (Semantic Fragmentation): 평판 벡터 스토어는 텍스트를 단순한 청크로 분할하여, 엔티티의 속성이 다른 청크에 걸쳐 있을 때 연결성을 잃고 할루시네이션을 유발합니다.
- 시간적 정체 (Temporal Stagnation): 평판 벡터 스토어는 시간 순서를 구분하지 못해 "현재 거주지"와 "과거 거주지"를 혼동하게 만듭니다.
- 정체성 드리프트 (Identity Drift): "Sarah", "엔지니어링 리더", "내 매니저"와 같은 서로 다른 표현이 동일한 개체로 통합되지 않아 세션을 넘어선 추론이 실패합니다.
기존 지식 그래프 시스템의 한계: Graphiti, Memento, Hydra DB 와 같은 최근 이진 시간 (bitemporal) 지식 그래프 시스템들은 일부 문제를 해결했으나, 그래프가 여전히 **평면적 (flat)**입니다. 노드는 레이블이 붙은 점에 불과하고, 엣지 타입은 실행 가능한 시맨틱 (행동) 을 담지 못하며, 재귀적 구성이나 콘텐츠 주소 지정 불변성이 부재합니다.

2. 방법론 (Methodology)

WorldDB 는 기존 시스템이 채택하지 않은 세 가지 비표준 약속 (Commitments) 을 기반으로 설계된 메모리 엔진입니다.

가. 재귀적 월드 (Recursive Worlds)

노드는 행 (Row) 이 아닌 월드 (World) 입니다: 각 노드는 자체 내부 서브그래프, 자체 온톨로지 범위, 자체 합성 임베딩, 그리고 자체 시간 범위를 가진 컨테이너입니다.
중첩 구조: 월드는 임의의 깊이까지 중첩될 수 있습니다. 월드 $W$ 내부의 쿼리는 명시적인 refers_to 엣지를 traversing 하지 않는 한 다른 월드 $W'$ 의 노드를 접근할 수 없습니다.
구조적 일관성: 편집 전파 불변성 (Edit propagation invariant) 을 통해 구조가 강제되며, 애플리케이션 코드에 의존하지 않습니다.

나. 콘텐츠 주소 지정 불변성 (Content-Addressed Immutability)

블록체인 스타일 해시: 모든 노드의 ID 는 blake3(τ ∥ n ∥ c ∥ sort(Cids) ∥ sort(Eids) ∥ tcreate)로 계산됩니다.
Merkle 트리 구조: 리프 노드의 작은 편집만으로도 해당 노드와 모든 조상 노드의 해시 값이 변경됩니다. 이는 무료 감사 추적 (Audit trail) 과 중복 제거를 제공합니다.
불변성 vs 유효성: 데이터 자체 (Blob) 는 불변이지만, t_valid (사실이 참인 기간) 와 t_ingested (시스템이 학습한 시점) 는 변경 가능한 컬럼으로 분리되어 저장됩니다. 이를 통해 사실의 유효 기간을 닫는 (supersession) 작업이 콘텐츠 해시를 무효화하지 않습니다.

다. 엣지로서의 작성 시간 프로그램 (Edges as Write-Time Programs)

원시 Append 경로 부재: 모든 엣지 작성은 해당 타입의 핸들러 (on_insert, on_delete, on_query_rewrite) 를 통과해야 합니다.
의미론적 강제:
- supersedes: 대상 노드의 유효 기간을 종료시킵니다.
- contradicts: 양쪽 사실을 모두 보존하고 충돌을 기록합니다.
- same_as: 병합 제안 (Merge proposal) 을 대기 상태로 만듭니다.
재조정 (Reconciliation): 모든 쓰기 작업은 재조정 파이프라인 (Extract → Resolve → Reconcile → Commit) 을 거치며, 이는 애플리케이션 로직이 아닌 엔진 수준에서 강제됩니다.

3. 핵심 기여 (Key Contributions)

벡터 - 월드 - 오브 - 월드스 데이터 모델: 재귀성, 불변성, 포함 범위 (Containment-scope) 불변성을 공식화한 새로운 데이터 모델.
재조정 파이프라인 및 엣지 핸들러 시스템: 11 가지 기본 엣지 타입 (contains, supersedes, contradicts 등) 과 사용자 정의 확장 기능을 갖춘 시스템.
하이브리드 검색 파이프라인: BM25(문자열), HNSW(벡터), 엔티티 그래프 탐색을 상호 순위 융합 (RRF) 으로 결합한 3 레인 검색.
합성 임베딩 (Composed Embeddings): 하위 그래프의 변경에 따라 점진적으로 업데이트되는 파라미터가 없는 어텐션 기반 월드 임베딩 (HAKG 스타일).
백그라운드 컨솔리데이터 (Consolidator): 요약 노드 생성, 전이적 폐쇄 (Transitive closure) 계산, 모순 감지를 수행하여 대규모 그래프의 성능을 최적화합니다.
MCP(Model Context Protocol) 인터페이스: 9 가지 메모리 도구를 표준 프로토콜로 노출하여 에이전트와의 통합을 용이하게 합니다.

4. 실험 결과 (Results)

WorldDB 는 LongMemEval-s 벤치마크 (500 개의 질문, 약 115k 토큰의 대화 스택) 에서 Claude Opus 4.7 을 답변 모델로 사용하여 다음과 같은 성과를 거두었습니다.

성능:
- 전체 정확도: 96.40% (Hydra DB 의 90.79% 대비 +5.61%p 향상, Supermemory 의 85.20% 대비 +11.20%p 향상).
- 작업 평균 (Task-averaged): 97.11%.
- 단일 세션 회상: 100% (Perfect Score).
- 시간적 추론: 96.24%, 지식 업데이트: 98.72%, 선호도 합성: 96.67%.
엔진 계층 기여도:
- 답변 모델 (Claude) 을 동일하게 유지하면서 평면 RAG 와 비교했을 때, 엔진의 그래프 레이어만으로도 작업 평균 정확도가 +10.66%p 향상되었습니다. 이는 성능 향상의 주된 원인이 모델의 능력이 아닌 메모리 엔진의 구조적 설계임을 입증합니다.
엔지니어링 벤치마크:
- 100 만 노드, 250 만 엣지 대량 로딩 속도: 초당 5,401 건.
- P95 읽기 지연 시간: 시드 (Seed) 12.8ms, BM25 97.3ms, HNSW 3.1ms.
- 퍼즈 테스트 (Fuzz test) 를 통해 4,000 회 무작위 작업 수행 중 불변성 위반 0 건.

5. 의의 및 결론 (Significance)

WorldDB 는 에이전트 시스템이 단순한 실험을 넘어 실제 적용 가능한 **지속적이고 질의 가능한 상태 (Persistent, Queryable State)**를 갖기 위해 필요한 메모리 아키텍처를 제시합니다.

구조적 진화: 단순한 텍스트 검색을 넘어, 그래프 토폴로지 자체가 정답이 되는 구조를 확립했습니다. 사실은 내용뿐만 아니라 구조에 의해 검색 가능합니다.
신뢰성과 감사 가능성: 콘텐츠 주소 지정과 불변성으로 인해 모든 사실의 출처, 유효 기간, 해결 결정이 투명하게 추적 가능하며, "침묵하는 손상 (Silent corruption)"을 방지합니다.
에이전트 메모리의 표준: 재귀적 월드와 작성 시간 프로그램으로서의 엣지는 복잡한 에이전트 행동 (충돌 해결, 시간적 추론, 세션 간 정체성 통합) 을 자연스럽게 지원합니다.

결론적으로 WorldDB 는 장기 기억 (Long-term Memory) 과 에이전트 시스템의 진화에 있어 중요한 이정표가 될 것으로 기대되며, 특히 다중 세션 추론과 시간적 일관성이 요구되는 복잡한 작업에서 기존 최첨단 (SOTA) 기술을 압도하는 성능을 입증했습니다.