IBM prueba cuánta memoria necesitan los agentes de IA
Un estudio de ALTK-Evolve concluye que las mejoras por memoria en agentes dependen de la capacidad del modelo y de la estrategia de entrega.
Por qué importa
Los resultados sugieren que la memoria de los agentes debe tratarse como una decisión de diseño de sistemas específica para cada modelo, no como una función universal. En agentes de producción, la estrategia de memoria puede afectar tanto la fiabilidad como el coste de inferencia.
Puntos clave
- 1.ALTK-Evolve añade memoria a los agentes sin actualizar los pesos del modelo.
- 2.Las mejoras por memoria variaron según la capacidad del modelo y el margen de mejora de la tarea.
- 3.La recuperación curada mejoró gpt-oss-120b con un 5% de sobrecarga de tokens.
IBM Research dijo que su sistema ALTK-Evolve mejoró el rendimiento de los agentes de IA al destilar directrices reutilizables a partir de trayectorias previas e inyectarlas durante la inferencia, sin actualizar pesos ni usar anotación humana. En una evaluación de AppWorld que cubrió 585 tareas de varios pasos en ocho modelos, los modelos más fuertes con margen de mejora se beneficiaron más del conjunto completo de directrices, mientras que los modelos más débiles rindieron mejor con un núcleo compacto combinado con recuperación específica para cada tarea. La publicación también informó que gpt-oss-120b ganó 16,1 puntos porcentuales en finalización de tareas con recuperación curada y un 5% de sobrecarga de tokens, mientras que GLM-5 no mostró una mejora medible.
⚡ Pruébalo hoy
Evalúa tanto la memoria completa como la memoria basada en recuperación en las tareas de tus agentes antes de ampliar el contexto por defecto.
Fuentes y cobertura original
Este resumen sintetiza y enlaza la cobertura de los medios siguientes.
¿Te gustó este resumen? Recibe el próximo en tu correo.
Más en Investigación
Una startup afirma que los datos son clave para avanzar contra el cáncer con IA
TechCrunch informa que la startup sostiene que la IA no está cerca de curar el cáncer sin mejores datos.
HarnessRisk evalúa fallos de seguridad en arneses de agentes
El benchmark prueba ataques en distintas fases de los arneses de agentes, mientras trabajos relacionados estudian el aprovisionamiento específico por tarea.
Agent Lightning v1.0 apunta al RL agéntico con harness
El framework conecta harnesses de agentes arbitrarios con el post-entrenamiento mediante aprendizaje por refuerzo.