LLM Agentes ¡DEJAN DE OLVIDAR! Descubre Evo-Memory y la memoria Auto-Evolutiva (ReMem)
Sobre este episodio
Los Large Language Models (LLMs) han evolucionado de chatbots a sistemas capaces de planificar y resolver problemas, pero la gestión y evolución de su memoria sigue siendo inexplorada. Las evaluaciones actuales se centran en la recuperación pasiva de hechos o contexto conversacional, ignorando la capacidad dinámica de acumular y reutilizar experiencias a través de flujos de tareas cambiantes. Para llenar este vacío, introducimos Evo-Memory, un benchmark completo de transmisión y un marco para evaluar la memoria auto-evolutiva en agentes LLM, reestructurando datasets estáticos en secuencias de tareas continuas para probar la recuperación de experiencia y la adaptación. Además, exploramos ReMem, un pipeline avanzado de acción-pensamiento-refinamiento que integra el razonamiento, las acciones y las actualizaciones de memoria para el mejoramiento continuo, demostrando consistentemente ganancias en rendimiento y mayor eficiencia (reduciendo los pasos promedio para completar tareas) en entornos de tareas multi-turno como AlfWorld y BabyAI.https://arxiv.org/pdf/2511.20857