Los agentes LLM en aplicaciones empresariales, científicas y médicas deben incorporar conocimiento del dominio y adaptarse a partir de la experiencia. La ingeniería de contexto mejora el comportamiento en el momento de la inferencia, pero adaptar el contexto en línea es un proceso costoso de prueba y error, y las consultas procesadas de forma independiente impiden que la experiencia útil se transmita. Los sistemas de memoria que añaden continuamente contenido a un contexto compartido enfrentan costos crecientes en tokens, límites de la ventana de contexto y degradación del rendimiento a medida que el contexto se expande.
El artículo ofrece primero una formulación unificada: la actualización de un sistema de memoria de agente puede interpretarse como un procedimiento de actualización por optimización sobre el contexto del modelo. GraphMemory aplica entonces esa perspectiva con una memoria ligera basada en grafos que acumula, refina, organiza y conecta estrategias reutilizables, recuperando solo el subgrafo relevante para cada consulta, de modo que el modelo nunca ve la memoria completa.
Bajo una recuperación acotada, la cantidad de memoria recuperada permanece constante a medida que crecen los ejemplos procesados. Los experimentos muestran que GraphMemory logra un rendimiento downstream competitivo mientras utiliza aproximadamente entre un 81 % y un 85 % menos de tokens de construcción de memoria que las líneas base.
Leer la memoria como una base de datos, no como una transcripción: recuperar solo el subgrafo relevante bajo un presupuesto fijo, sin importar cuánto crezca la memoria
El presupuesto de recuperación, no el tamaño de la memoria, es lo que determina el costo en tokens por consulta.
La estructura de grafo permite que el refinamiento y la conexión ocurran en el momento de escritura, manteniendo pequeñas las lecturas.
Interpretar las actualizaciones de memoria como optimización del contexto otorga al diseño de memoria una palanca de eficiencia fundamentada.
Desacoplar la memoria del contexto evita tanto la inflación de la transcripción como los límites de la ventana de contexto.
Un almacén de experiencia solo escala si las lecturas están acotadas. Estructurar la memoria de modo que una consulta extraiga un vecindario de tamaño fijo hace que el costo de aprender de la experiencia deje de crecer con la cantidad de experiencia.
Publicado como preprint v1 en arXiv el 2 de octubre de 2026; los comentarios de arXiv señalan una versión para un taller de NeurIPS (TTCL). Se informó un rendimiento downstream competitivo con entre un 81 % y un 85 % menos de tokens de construcción de memoria que las líneas base.
CONSULTA LAS PRUEBAS