Arquitectura + IA
Preprint: errores raros en memoria de agentes
El preprint de Xinyuan Song y Zekun Cai, enviado a arXiv el 9 de julio de 2026 y anunciado en el feed el 2 de octubre, estudia la memoria externa de agentes de IA. Un agente es un programa capaz de realizar tareas durante muchas etapas y recuperar información previa.
Los autores observan que la memoria consultada puede concentrarse en un núcleo pequeño y dejar estados raros en una cola donde se acumulan errores. La concentración cambia según la política de recuperación. Para administrarla, proponen Core–Tail World Model, un controlador por rango que asigna contexto y conserva una cola resumida.
En Synthetic Graph World, el método mantuvo cobertura de estados y transiciones, redujo 5,9% los tokens del prompt y bajó 13,6% el error en la mitad inferior de la cola. En ALFWorld obtuvo ahorro de tokens; en LongMemEval redujo 24,48% los tokens con precisión equivalente. El manuscrito continúa bajo revisión.
Fecha de la fuente original: 09/07/2026.
Imagen ilustrativa generada con IA.
Consultar la fuente original: arXiv.org