Rastros de memoria con colas pesadas en agentes de lenguaje de largo horizonte
Los agentes de lenguaje que operan en horizontes temporales largos desarrollan patrones de uso de memoria con colas pesadas, concentrando la mayor parte de su actividad en un núcleo pequeño y relegando estados raros a una larga cola donde se acumulan errores. Investigadores proponen un nuevo controlador de memoria, Core‑Tail World Model (CTWM), que reduce el costo de tokens sin sacrificar precisión, logrando ahorros de hasta el 24 % en evaluaciones reales.
5 min lectura2hIAOnda Redaccion
