NoticiasDeIA
InvestigaciónNoticiaAlta relevancia

Evolución de programas que halla memoria para cada agente de IA

MAPE evoluciona la memoria de los agentes de IA: 12% más de precisión a un 35% del coste, con código abierto. Un método, no un modelo. Ver el código en GitHub.

Redacción de NoticiasDeIAPublicado el Hecho ocurrido el 12 de noviembre de 20265 min de lectura
Compartir
Fotografía de un entorno de investigación o laboratorio
Fotografía de un entorno de investigación o laboratorio · Pexels — Fotografía de Artem Podrez

Qué se sabe y qué no. Este artículo distingue lo anunciado oficialmente de lo filtrado, especulado o todavía no confirmado. Las afirmaciones dudosas se marcan como tales en el texto.

MAPE: aprendemos a diseñar memoria de agentes con programas que evolucionan solos

Un marco de investigación publicado en arXiv el 12 de noviembre confirma que la memoria de los agentes de inteligencia artificial no tiene que diseñarse a mano. MAPE (Memory Design via Program Evolution) trata un sistema de memoria como un programa y deja que un proceso de evolución lo optimice. El resultado: diseños que ganan precisión y consumen menos.

Las cifras del estudio, medidas en los benchmarks LoCoMo y LongMemEval, son audaces: hasta un 12% de precisión absoluta más, a solo un 35% del coste de servicio de los sistemas de memoria manuales. Más importante aún, los autores extraen dos patrones de diseño que se repiten en los programas descubiertos y que pueden copiarse en los sistemas que ya usan.

MAPE: la memoria de un agente como un programa que evoluciona

Un sistema de memoria para un agente no es un único fichero. MAPE define tres etapas:

  • build: convierte el historial de conversación en memoria;
  • retrieve: elige la evidencia pertinente para cada pregunta;
  • compose: organiza esa evidencia en el contexto del modelo que responde.

Desde una semilla inicial, MAPE itera: un modelo LLM propone una nueva versión del programa; un diagnosis agent lee los trazados de ejecución para explicar qué falló; y una función de búsqueda evalúa cada candidato por precisión y coste de servicio. El bucle acaba cuando el proceso converge o se agota el presupuesto de evaluaciones.

No se trata de subir de tamaño al modelo. Se trata de mejorar la ingeniería de la memoria: qué se guarda, cómo se recupera y, sobre todo, cómo se monta en contexto el modelo.

Los dos patrones que se repiten en todos los programas

Tras evolucionar muchos programas desde semillas pequeñas, MAPE detecta dos diseños recurrentes, y cada uno responde a un problema concreto:

  • Retención de la conversación cruda. El programa guarda también el diálogo original como evidencia recuperable, fuera de las memorias sintetizadas. La resumen extrae detalles, pero borra información; conservar la versión cruda compensa esa pérdida.

  • Esquema enrutado por consulta (RQS, por sus siglas en inglés). La etapa compose elige, para cada pregunta, un esquema distinto según su intencionalidad: extracción dirigida, cálculo determinista, deliberación entre varias fuentes... La pregunta se dirige a un camino más apropiado que un ensayo genérico.

El estudio transfiere el módulo RQS a cinco sistemas de memoria diseñados por humanos (Mem0, A-Mem, LightMem, SimpleMem y Zep) y mide precisión en los dos benchmarks. En los cinco casos, la precisión sube. La lección es que una idea descubierta con evolución puede volverse útil sin importar quién la haya escrito.

Qué es oficial y qué no

Lo que autoriza la publicación es el artículo y su repositorio. MAPE, los scripts de evolución, los benchmarks y los programas finales (MAPE-A_LME, entrenado en LongMemEval) están en GitHub. Los números que citan —el 12% y el 35%— descansan en el preimpreso, validado por los autores, y en la descripción del repositorio. No existe todavía una revisión independiente ni una replicación por terceros, aunque el código permita que la comunidad lo haga.

Lo que el artículo no dice:

  • Los experimentos se limitan a dos benchmarks de agentes conversacionales; no se probaron en tareas de planificación, generación de código ni atención al cliente, que son donde muchos equipos usan agentes.
  • Las comparaciones son contra bases de memoria manuales del mismo grupo de investigación, no contra el estado del arte público.
  • Los porcentajes son casos intermedios del bucle de evolución; la variabilidad según la semilla inicial no se detalla en el resumen.
  • No se evalúa la seguridad de los programas evolucionados: una memoria puede extraer información sensible o enlazar con datos externos, y el artículo no mide esos riesgos.

Cómo funciona en la práctica

El programa final, MAPE-A_LME, es una clase Python que un ingeniero puede leer sin abrir un informe. Su memoria mantiene dos versiones de la conversación: la extraída (resumen de los puntos importantes) y la cruda (el diálogo original). Cuando el modelo responde, la etapa compose elige entre un esquema de extracción dirigida, uno de cálculo determinista o uno deliberativo, según la pregunta. El resultado es que el agente no recibe todo el historial en cada consulta, pero sí la evidencia que le hace falta, en el formato adecuado.

El ahorro de coste no es un extra: alimentar un modelo con más contexto cuesta más por consulta y ralentiza la respuesta. Al dejar de pasar todo el historial y de enviar solo la evidencia curate, MAPE reduce el coste de servicio a un tercio, aproximadamente, con una precisión mayor. Para equipos que ejecutan agentes de forma continua, ese ahorro es el que hace viable el despliegue.

Por qué importa

La memoria es uno de los cuellos de botella reales de los agentes. No se resuelve con un modelo más potente, sino con cómo se conserva y se recupera la información. MAPE demuestra que ese diseño puede convertirse en un objeto optimizable, como los hiperparámetros de un modelo.

La lectura más útil es otra: hay que dejar de pensar que más datos siempre mejoran un agente. El artículo subraya que la composición de la evidencia es tan importante como el recuperado: un agente que recupera mucho puede fallar si monta mal la información en contexto. Ese equilibrio de la ingeniería de la memoria es donde se gana o se pierde.

Qué sigue

El repositorio ya permite a otros leer los programas evolucionados, los esquemas que sustituyen a los manuales y los métricos de coste por etapa. La prueba de fuego del método vendrá si la comunidad extiende MAPE a benchmarks nuevos, mide el coste real de servicio y estudia su comportamiento ante ataques de manipulación de la memoria.

Por ahora, MAPE es un avance técnico: confirma que los diseños de la memoria de los agentes de IA pueden descubrirse, compararse y compartirse como cualquier otro programa. No es una promesa de un modelo nuevo; es una forma de obtener más con lo que ya tenemos.

Fuentes

Fuentes consultadas

Se conservan las referencias para poder reconstruir cómo se verificó esta información.

Publicación de origen: https://arxiv.org/abs/2611.17068

¿Ves un error? Escríbenos indicando el dato concreto y la fuente que lo contradice. Las correcciones se aplican en la propia página y se reflejan en la fecha de actualización. Contactar con la redacción.

Sigue leyendo