fudan-generative-vision/remory는 컨텍스트 압축을 위한 잔여 기억 학습을 다루는 Python 저장소다. 저장소 설명에 따르면 요약으로 압축한 뒤 학습된 소프트 메모리를 덧붙여, 에이전트가 원래 문맥을 모두 유지하지 않고도 작업을 이어가게 하는 방식이다. FACTS에는 릴리스 버전이 기록되어 있지 않으므로, 특정 버전의 변경 사항은 확인되지 않는다. 저장소는 MIT 라이선스이며 별점은 268개다.
에이전트가 만든 요약은 잔여 기억을 생성하는 조건으로 쓰인다. 따라서 같은 요약에도 서로 다른 잔여 기억이 붙을 수 있으며, 원본 모델은 동결한 채 사용한다. 관련 문서를 검색해 찾는 대신 연속 임베딩을 주입하는 접근이다. 논문은 Qwen3.8-27B와 GLM-5.3-Flash를 backend로 사용해 BrowseComp와 Terminal-Bench 2.1 등의 장기 에이전트 벤치마크에서 잔여 기억 사용 여부를 비교했다. SummHay에서는 전체 문맥을 넣은 경우에 가까운 점수를 입력 위치의 5.2%만 사용해 냈다고 보고한다. 배포는 SGLang에 연결하는 형태이며, Qwen3.8-27B에는 80GB 이상 GPU 두 장 이상이 필요하다고 명시한다.
성능 수치는 그래프와 논문에 있고 README 본문에는 표로 제시되지 않았다. 또한 README에 따르면 배포용 GLM 인코더 체크포인트는 1.24B이며, 논문에 기술된 인코더는 1.502B다. 따라서 배포 체크포인트를 이용한 평가가 논문 수치와 같은 조건이라고 볼 수는 없다. 필요한 GPU 조건까지 고려하면, 접근 방식은 참고할 만하지만 재현과 결과 비교에는 제약이 있다.