Los modelos de mundo actuales carecen de un núcleo de estado persistente | Problemas de memoria y coherencia temporal en simuladores de IA | Arquitecturas para el mantenimiento del estado latente en agentes autónomos

Abstract

PROBLEMA: Los modelos de mundo actuales tienden a sufrir de degradación de estado o pérdida de memoria en secuencias largas, lo que les impide mantener una representación coherente y persistente del entorno. SOLUCIÓN: La investigación identifica que la falta de un núcleo de estado persistente (Persistent State Core) es la causa principal de la inconsistencia en las simulaciones de mundo. METODOLOGÍA: Se analizan arquitecturas líderes (Transformers y variaciones de RNN) mediante pruebas de estrés de memoria a largo plazo y recuperación de estados tras distracciones temporales. RESULTADOS: Los autores demuestran que sin una memoria arquitectónicamente dedicada, el modelo 'se vuelve ciego' ante cambios acumulativos, proponiendo directrices para futuras arquitecturas de estado constante. RELEVANCIA: Crucial para sistemas de conducción autónoma y robótica donde el estado previo del mundo no puede inferirse solo del último frame.