Un artículo publicado en arXiv propone AgentMemRec, un método para que los agentes de IA elijan qué recuerdos almacenados incluir en una ventana de contexto limitada. Trata cada solicitud del usuario como una consulta de recomendación y cada recuerdo como un elemento; luego, usa métodos de clasificación y creación de listas para seleccionar recuerdos sin llamar a un LLM.
Los autores afirman que AgentMemRec superó a varios sistemas de memoria por entre 10 y 31 puntos porcentuales en preguntas sobre varias sesiones de LongMemEval. Igualó a un sistema de reclasificación con LLM que hace 64 llamadas por consulta, con un costo de servicio 3.2 veces menor, y también superó a Mem0 y Zep en LoCoMo sin llamadas a LLM al almacenar recuerdos. Estos son resultados que presenta el artículo; el material proporcionado no describe una validación independiente.
Por qué importa
Para los equipos que desarrollan asistentes capaces de recordar a los usuarios entre sesiones, este método podría reducir el costo de elegir recuerdos pertinentes, aunque los resultados presentados en pruebas comparativas no demuestran cómo funcionaría en productos en uso.
