에드워드 이즈고로딘(Edward Izgorodin)은 2026년 9월 15일, AI 코딩 도우미가 나쁜 회상 이후 수정 사항을 저장하더라도 검색 동작을 바꾸지 않으면 새 세션에서 이미 고친 실수를 반복한다고 주장했다. 예시는 화요일에 스테이징을 건드리지 말라는 지시를 받은 마이그레이션 스크립트가 목요일에 같은 스테이징 데이터베이스 접근법을 다시 생성한 사례였다. 오래된 메모리와 수정 사항이 둘 다 검색됐지만, 어느 쪽이 실패했는지 알려주는 신호가 없었기 때문이다. 이즈고로딘은 문제가 메모리 계층에 있다고 봤다. 회상된 메모리가 나쁜 결과로 이어졌다면 시스템은 단순히 또 다른 메모를 저장하는 데 그치지 않고, 다음에 무엇을 검색할지 바꿔야 한다는 설명이다.

이즈고로딘은 자신이 일하는 Mnemoverse를 포함해 6개 메모리 시스템을 비교하고, 각 벤더 문서에서 회상에 대한 명시적 부정 판정을 받는 입력이 공개돼 있는지, 그 입력이 무엇에 붙는지, 벤더가 그것이 무엇을 바꾼다고 설명하는지 확인했다. 그는 첫 검토에서 관련 페이지가 문서 루트에서 여러 번 클릭해야 나오는 위치에 있어 거의 아무도 그런 입력을 공개하지 않는다고 잘못 결론 내렸다고 밝혔다. 이후 검토에서는 다른 5개 시스템 중 4개가 어떤 형태로든 부정 피드백 입력을 공개한다는 점을 확인했다. 반면 Zep은 조사 중 읽은 기계 판독형 인덱스와 사이트맵 페이지에서 그런 입력이 없었다.

Cognee는 `cognee.session.add_feedback`을 공개한다. 이 입력은 피드백 텍스트와 1부터 5까지의 점수를 받으며, 세션 안에서 회상에 대한 답변에 붙는다. Cognee는 관련 `session_ids`로 `improve()`를 실행한 뒤에야 피드백이 향후 검색에 영향을 준다고 설명한다. Mem0는 `POST /v1/feedback/`을 공개하며, 메모리 id별 메모리 결과에 `POSITIVE`, `NEGATIVE`, `VERY_NEGATIVE`를 받을 수 있다. 다만 이즈고로딘은 해당 페이지가 이후 순위에 어떤 일이 일어나는지 밝히지 않는다고 말했다. Mem0는 프로젝트별 최신성·빈도 감쇠 기능도 별도로 제공한다. 이 기능은 후보의 순서를 다시 매길 수 있지만 제거하지는 않으며, 기본값은 꺼짐이다.

Letta는 `PATCH /v1/steps/{step_id}/feedback`을 공개한다. 여기서 긍정 또는 부정 피드백은 회상된 메모리에 직접 붙지 않고 실행 단계에 붙는다. 이즈고로딘은 이 방식이 관측 가능성과 평가에는 유용하지만, 해당 페이지가 검색 순서와의 연결을 설명하지 않는다고 말했다. Supermemory는 추론된 메모리를 승인, 거절, 되돌리는 리뷰 엔드포인트를 공개한다. 문서에 따르면 리뷰되지 않은 추론 메모리는 검색에서 가중치가 낮아지고, 거절된 메모리는 검색에서 완전히 제거된다. 이즈고로딘은 이를 회상 피드백과 구분했다. 반환된 메모리가 유용했는지가 아니라 추론된 사실이 참인지 판단하기 때문이다.

Supermemory와 Letta는 모두 결과가 아니라 맥락에서 학습한다고 설명한다. Supermemory는 자사 모델이 모든 사용자, 작업, 테넌트의 맥락을 추출하고 그 위에서 꿈꾼다고 말한다. Letta는 가중치가 아니라 학습된 맥락을 업데이트해야 한다고 주장한다. Letta는 또한 Cursor 탭 완성을 대규모 피드백 학습 사례로 제시하지만, 이즈고로딘은 벤더가 밝힌 2가지 한계를 짚었다. 하나는 단일 프로젝트가 아니라 모두를 위한 모델을 개선한다는 점이고, 다른 하나는 추론과 행동이 아니라 완성을 다룬다는 점이다.

Mnemoverse는 `memory_feedback(atom_ids, outcome)`을 공개한다. 이 입력은 -1부터 +1까지의 실수를 받으며, 회상으로 반환된 메모리에 붙는다. 문서는 이 입력이 향후 회상을 조정하고, 도움이 되지 않는 메모리를 지우기보다 순위에서 밀어낸다고 설명한다. 이즈고로딘은 6개 시스템 중 4개와 마찬가지로 엔진이 비공개라 외부인은 범위와 설명을 읽을 수는 있지만 순위가 실제로 움직이는지는 볼 수 없다고 말했다. 그는 또 Mnemoverse의 자체 운영 트래픽 측정에서 명시적 결과 피드백이 거의 전혀 없었다고 밝혔다. 답변이 작성된 뒤 에이전트가 결과 보고를 선택해야 하기 때문이다.

이즈고로딘은 모든 메모리 도구에 대해 1분 테스트를 권했다. 잘못 저장된 메모리를 찾고, 그 메모리가 답할 만한 질문을 던진 뒤, 대조군으로 새 세션에서 같은 질문을 2번 또는 3번 더 반복하라는 것이다. 이어 도구의 엔드포인트, 리뷰 액션, 슬래시 명령, 채팅 메시지를 통해 오류를 보고하면 된다. 잘못된 항목이 여전히 첫 번째로 반환된다고 해서 보고가 효과가 없었다는 뜻은 아니다. 가중치는 낮아졌지만 순위가 바뀌지 않았을 수 있기 때문이다. 다만 보고 이후에만 순서가 움직인다면, 벤더 문서는 그 메커니즘이 답변, 메모리, 단계, 저장된 추정 중 어디에 붙는지, 무엇을 움직이는지, 누가 그것을 보내야 하는지 보여줘야 한다고 그는 말했다.

에드워드 이즈고로딘(Edward Izgorodin)은 2026년 9월 15일, AI 코딩 도우미가 나쁜 회상 이후 수정 사항을 저장하더라도 검색 동작을 바꾸지 않으면 새 세션에서 이미 고친 실수를 반복한다고 주장했다. 예시는 화요일에 스테이징을 건드리지 말라는 지시를 받은 마이그레이션 스크립트가 목요일에 같은 스테이징 데이터베이스 접근법을 다시 생성한 사례였다. 오래된 메모리와 수정 사항이 둘 다 검색됐지만, 어느 쪽이 실패했는지 알려주는 신호가 없었기 때문이다. 이즈고로딘은 문제가 메모리 계층에 있다고 봤다. 회상된 메모리가 나쁜 결과로 이어졌다면 시스템은 단순히 또 다른 메모를 저장하는 데 그치지 않고, 다음에 무엇을 검색할지 바꿔야 한다는 설명이다.

이즈고로딘은 자신이 일하는 Mnemoverse를 포함해 6개 메모리 시스템을 비교하고, 각 벤더 문서에서 회상에 대한 명시적 부정 판정을 받는 입력이 공개돼 있는지, 그 입력이 무엇에 붙는지, 벤더가 그것이 무엇을 바꾼다고 설명하는지 확인했다. 그는 첫 검토에서 관련 페이지가 문서 루트에서 여러 번 클릭해야 나오는 위치에 있어 거의 아무도 그런 입력을 공개하지 않는다고 잘못 결론 내렸다고 밝혔다. 이후 검토에서는 다른 5개 시스템 중 4개가 어떤 형태로든 부정 피드백 입력을 공개한다는 점을 확인했다. 반면 Zep은 조사 중 읽은 기계 판독형 인덱스와 사이트맵 페이지에서 그런 입력이 없었다.

Cognee는 `cognee.session.add_feedback`을 공개한다. 이 입력은 피드백 텍스트와 1부터 5까지의 점수를 받으며, 세션 안에서 회상에 대한 답변에 붙는다. Cognee는 관련 `session_ids`로 `improve()`를 실행한 뒤에야 피드백이 향후 검색에 영향을 준다고 설명한다. Mem0는 `POST /v1/feedback/`을 공개하며, 메모리 id별 메모리 결과에 `POSITIVE`, `NEGATIVE`, `VERY_NEGATIVE`를 받을 수 있다. 다만 이즈고로딘은 해당 페이지가 이후 순위에 어떤 일이 일어나는지 밝히지 않는다고 말했다. Mem0는 프로젝트별 최신성·빈도 감쇠 기능도 별도로 제공한다. 이 기능은 후보의 순서를 다시 매길 수 있지만 제거하지는 않으며, 기본값은 꺼짐이다.

Letta는 `PATCH /v1/steps/{step_id}/feedback`을 공개한다. 여기서 긍정 또는 부정 피드백은 회상된 메모리에 직접 붙지 않고 실행 단계에 붙는다. 이즈고로딘은 이 방식이 관측 가능성과 평가에는 유용하지만, 해당 페이지가 검색 순서와의 연결을 설명하지 않는다고 말했다. Supermemory는 추론된 메모리를 승인, 거절, 되돌리는 리뷰 엔드포인트를 공개한다. 문서에 따르면 리뷰되지 않은 추론 메모리는 검색에서 가중치가 낮아지고, 거절된 메모리는 검색에서 완전히 제거된다. 이즈고로딘은 이를 회상 피드백과 구분했다. 반환된 메모리가 유용했는지가 아니라 추론된 사실이 참인지 판단하기 때문이다.

Supermemory와 Letta는 모두 결과가 아니라 맥락에서 학습한다고 설명한다. Supermemory는 자사 모델이 모든 사용자, 작업, 테넌트의 맥락을 추출하고 그 위에서 꿈꾼다고 말한다. Letta는 가중치가 아니라 학습된 맥락을 업데이트해야 한다고 주장한다. Letta는 또한 Cursor 탭 완성을 대규모 피드백 학습 사례로 제시하지만, 이즈고로딘은 벤더가 밝힌 2가지 한계를 짚었다. 하나는 단일 프로젝트가 아니라 모두를 위한 모델을 개선한다는 점이고, 다른 하나는 추론과 행동이 아니라 완성을 다룬다는 점이다.

Mnemoverse는 `memory_feedback(atom_ids, outcome)`을 공개한다. 이 입력은 -1부터 +1까지의 실수를 받으며, 회상으로 반환된 메모리에 붙는다. 문서는 이 입력이 향후 회상을 조정하고, 도움이 되지 않는 메모리를 지우기보다 순위에서 밀어낸다고 설명한다. 이즈고로딘은 6개 시스템 중 4개와 마찬가지로 엔진이 비공개라 외부인은 범위와 설명을 읽을 수는 있지만 순위가 실제로 움직이는지는 볼 수 없다고 말했다. 그는 또 Mnemoverse의 자체 운영 트래픽 측정에서 명시적 결과 피드백이 거의 전혀 없었다고 밝혔다. 답변이 작성된 뒤 에이전트가 결과 보고를 선택해야 하기 때문이다.

이즈고로딘은 모든 메모리 도구에 대해 1분 테스트를 권했다. 잘못 저장된 메모리를 찾고, 그 메모리가 답할 만한 질문을 던진 뒤, 대조군으로 새 세션에서 같은 질문을 2번 또는 3번 더 반복하라는 것이다. 이어 도구의 엔드포인트, 리뷰 액션, 슬래시 명령, 채팅 메시지를 통해 오류를 보고하면 된다. 잘못된 항목이 여전히 첫 번째로 반환된다고 해서 보고가 효과가 없었다는 뜻은 아니다. 가중치는 낮아졌지만 순위가 바뀌지 않았을 수 있기 때문이다. 다만 보고 이후에만 순서가 움직인다면, 벤더 문서는 그 메커니즘이 답변, 메모리, 단계, 저장된 추정 중 어디에 붙는지, 무엇을 움직이는지, 누가 그것을 보내야 하는지 보여줘야 한다고 그는 말했다.