EvoArena: Seguimiento de la evolución de memoria para agentes LLM robustos | Evaluación de la persistencia de datos en agentes autónomos | Marco para optimizar la memoria de largo plazo en sistemas agénticos

Abstract

PROBLEMA: Los agentes basados en LLM a menudo fallan en entornos dinámicos debido a una gestión de memoria ineficiente que causa la pérdida de información crítica o la saturación del contexto durante tareas de larga duración. SOLUCIÓN: El paper presenta EvoArena, un marco de trabajo diseñado para rastrear y evaluar la evolución de la memoria de los agentes en escenarios que cambian con el tiempo, permitiendo analizar cómo la información se retiene o degrada. METODOLOGÍA: Se implementó un entorno de pruebas con múltiples agentes donde se miden métricas de persistencia de memoria y adaptabilidad frente a cambios inesperados en el estado del mundo. RESULTADOS: Las pruebas demuestran que los agentes con mecanismos de memoria selectiva superan significativamente a los modelos estándar en consistencia operativa y éxito de misión en un 35% en tareas complejas. RELEVANCIA: Esta investigación es fundamental para construir agentes autónomos que puedan operar durante semanas o meses en infraestructuras del mundo real sin degradación de rendimiento.