Meta le pone a los agentes de IA un entrenador cuya única tarea es recordarles lo que ya saben
Investigadores de Meta AI ponen nombre a un fallo: 'decaimiento del estado conductual'. En una tarea larga, el requisito o el comando que falló siguen dentro de la ventana de contexto del agente, pero cuando llega el momento de actuar esa información ya no moldea la decisión. Su solución no toca al agente que trabaja: ejecuta a su lado un segundo agente 'de memoria', más pequeño, que mantiene un registro estructurado de estado, hechos y procedimientos y decide en cada paso si inyecta un recordatorio breve o se calla. En Terminal-Bench 2.0, Claude Sonnet 4.5 pasó del 37,6% al 45,9% en pass@1 — 8,3 puntos — y en τ²-Bench del 55,0% al 61,8%. El código es público.
Por qué importaCasi todos los demás intentos de arreglar la memoria de los agentes añaden más recuperación: meter más texto en la ventana y confiar en que el modelo lo lea. Este trabajo sostiene lo contrario: los agentes se ahogan en sus propias transcripciones y lo que necesitan es un editor, no un archivo. Si un modelo supervisor pequeño puede comprar ocho puntos en un banco de pruebas difícil sin tocar el principal, es una mejora insólitamente barata para cualquier agente de programación o soporte de larga duración.
▶ Vídeo relacionado: Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents (Jul 2026)
Léelo en la app — gratis, en 9 idiomas
Noticias relacionadas
Un modelo aprendió sin el método que entrena a toda la IA.2026-10-06TikTok metió un chatbot de compras dentro del vídeo que ves.
2026-10-06Reflection regalará un modelo de 501.000 millones de parámetros.
2026-10-06Wikimedia sospecha de agentes de OpenAI por la caída de mayo.
2026-10-06El asistente de Meta guarda una ficha horaria de tus conocidos.
2026-10-05