Rastros de memoria de cola pesada en agentes de lenguaje de largo horizonte

Los agentes de lenguaje que operan durante largos períodos cada vez emplean más memoria externa como modelo del entorno, pero la evaluación de esos sistemas suele limitarse a la tasa de éxito en la tarea o al número de tokens consumidos. El estudio plantea que falta analizar la distribución del uso de la memoria: bajo contextos limitados y recuperaciones repetidas, la información tiende a concentrarse en un núcleo reducido, mientras que los estados poco frecuentes quedan en una larga cola donde se acumulan errores de predicción. Mediante una auditoría cuidadosa de la cola, los autores demuestran que esta concentración es reproducible y depende de la política del agente. Los agentes basados en caminatas aleatorias generan patrones de recuperación compatibles con una distribución log‑normal, mientras que los modelos de lenguaje con políticas semánticas presentan trazas de núcleo‑cola que se ajustan mejor a una ley de potencia truncada. A partir de estos hallazgos, se propone el controlador de memoria Core‑Tail World Model (CTWM), que asigna el presupuesto de prompts mediante un único exponente y mantiene un resumen de la cola. En el entorno sintético Graph World, CTWM cubre completamente los estados y transiciones, reduce en un 5,9 % el número de tokens y disminuye en un 13,6 % el error de predicción en la mitad inferior de la cola, comparado con un modelo de memoria basado en grafos. Resultados similares aparecen en ALFWorld y LongMemEval, donde se logra una reducción de tokens del 24,48 % sin perder precisión global. Esta investigación muestra que los patrones de memoria con colas pesadas pueden servir como indicadores útiles para diseñar modelos de mundo de agentes más eficientes en el uso de tokens, lo que resulta relevante para avanzar en aplicaciones de IA que requieren razonamiento prolongado y economizar recursos computacionales.

Leer artículo original en arXiv cs.AI

Este resumen es una síntesis informativa elaborada por dataqbs.com. Todos los derechos sobre el contenido original pertenecen a su autor y al medio de comunicación citado. Nosotros solo actuamos como curadores de noticias tecnológicas, sin reclamar autoría alguna.