MemSlides: A Hierarchical Memory Driven Agent Framework for Personalized Slide Generation with Multi-turn Local Revision

Personalized presentation generation requires more than conditioning on a current prompt or template: agents must preserve stable user preferences across tasks, retain newly introduced preferences and constraints during multi-turn revision, and carry out local edits reliably. We propose MemSlides, a hierarchical memory framework for personalized presentation agents that separates long-term memory from working memory and further divides long-term memory into user profile memory and tool memory. User profile memory stores intent-conditioned profiles for round-0 personalization, working memory carries active preferences and session constraints across revision rounds, and tool memory stores reusable execution experience for reliable localized editing. MemSlides pairs this memory design with scoped slide-local revision, so targeted updates act on the smallest affected region instead of repeatedly regenerating the full deck. In controlled experiments, user profile memory improves persona-alignment judgments on a multi-persona, multi-intent profile bank, tool-memory injection improves closed-loop modify behavior in diagnostic matched-pair settings, and qualitative cases illustrate working memory's ability to carryover preferences. Taken together, these results suggest that effective personalization in presentation authoring depends on separating persistent user profiles, session-level working memory, and reusable execution experience across generation and localized revision.

한 줄 요약

MemSlides는 사용자 프로필 메모리, 워킹 메모리, 툴 메모리를 구분한 계층적 메모리 프레임워크를 통해 개인화된 슬라이드 생성과 다단계 로컬 수정을 지원한다.

핵심 기여도

MemSlides는 사용자 프로필 메모리, 워킹 메모리, 툴 메모리를 구분한 계층적 메모리 구조를 제안한다.
사용자 프로필 메모리는 인텐트별로 구성된 프로필을 저장하여 0라운드 개인화를 지원하며, DeepPresenter 대비 콘텐츠, 구조, 시각, 구체성에서 평균 1.37~2.95 포인트 개선.
툴 메모리는 수정 과정에서 반복적인 전체 슬라이드 재생성 대신 로컬 수정을 가능하게 하며, 클로즈드-루프 완료율을 0.815에서 0.963으로 향상.
슬라이드-로컬 리비전 전략을 도입하여 수정 요청이 영향을 미치는 최소 영역에만 적용.

핵심 아이디어

MemSlides는 기존 슬라이드 생성 시스템이 반복적인 전체 재생성이나 명시적 개인화 메커니즘 부재로 다단계 수정을 불안정하게 만들었다는 문제를 해결한다. 이에, 사용자 프로필 메모리(User Profile Memory)는 사용자의 장기적 선호도를 인텐트별로 저장하고, 워킹 메모리(Working Memory)는 세션 내 수정 요청을 반영하며, 툴 메모리(Tool Memory)는 수정 경험을 재사용할 수 있도록 설계되었다. 특히, 슬라이드-로컬 리비전(Slided-Local Revision) 전략은 수정 요청이 영향을 미치는 최소 영역에만 적용하여 전체 슬라이드 재생성을 줄인다. 이는 기존 시스템에서 수정 시 발생하는 컨텍스트 혼란과 비효율성을 줄이는 핵심 아이디어이다.

기술적 접근법

**MemSlides 메모리 구조**:
**Long-term Memory**:
**User Profile Memory**: 인텐트별로 구성된 사용자 프로필 저장 (테마, 콘텐츠, 레이아웃 등).
**Tool Memory**: 수정 과정에서 수집된 실행 경험 저장.
**Working Memory**: 세션 내 수정 요청 및 일시적 제약 저장.
**Slided-Local Revision**:
수정 요청이 영향을 미치는 최소 영역에만 적용.
로컬 레이아웃, 선택자, 스타일 규칙만 읽고, 수정된 부분만 다시 씀.
**수치 및 비교**:
사용자 프로필 메모리: DeepPresenter 대비 콘텐츠 1.37, 구조 0.53, 시각 1.66, 구체성 1.19 포인트 개선.
툴 메모리: 클로즈드-루프 완료율 0.815 → 0.963, 시간 단축 (609.5s → 242.5s).

주요 결과

**Persona-Alignment Judgments**:
Multi-persona, multi-intent 프로필 뱅크에서 MemSlides는 DeepPresenter 대비 콘텐츠 1.37, 구조 0.53, 시각 1.66, 구체성 1.19 포인트 개선.
SlideTailor 대비 콘텐츠 2.73, 구조 2.95, 시각 2.79, 구체성 3.08 포인트 개선.
**로컬 수정 신뢰도**:
클로즈드-루프 완료율 0.815 → 0.963 (W-L-T-NA 3-1-5-0).
시간 단축: 609.5s → 242.5s (6-2-0-1).
**개인화 유지**:
워킹 메모리가 수정 요청을 반영하며, 다음 수정 라운드에서도 유지됨.

의의 및 한계

MemSlides는 슬라이드 생성 시스템에서 개인화를 명시적 메모리 구조로 구현함으로써, 사용자의 장기적 선호도와 일시적 수정 요청을 분리하여 유지할 수 있는 기반을 제공한다. 특히, 슬라이드-로컬 리비전 전략은 반복적인 전체 재생성을 줄이고, 수정의 정확도와 효율성을 높인다. 이는 학술적 측면에서는 개인화된 생성 모델의 메모리 기반 접근법을 확장하는 데 기여하며, 실용적으로는 사용자 맞춤형 슬라이드 생성 도구의 개발에 기초가 된다. 그러나, 모든 수정 상황에서 툴 메모리가 우위를 차지하지는 않으며, 일부 경우 기존 시스템보다 수정 시간이 더 오래 걸릴 수 있다. 또한, 사용자 프로필의 초기 구성이 정확하지 않거나 불충분할 경우, 개인화 효과가 제한될 수 있다.

실용적 활용

MemSlides는 기업의 프레젠테이션 자동화 도구, 교육용 슬라이드 생성 시스템, 또는 개인 맞춤형 콘텐츠 생성 플랫폼에 적용될 수 있다. 특히, 사용자가 반복적으로 슬라이드를 수정하거나, 다양한 인텐트에 맞춘 스타일을 유지해야 하는 상황에서 유용하며, 사용자 피드백을 기반으로 개인화된 프로필을 자동으로 업데이트할 수 있는 기능을 제공한다.