EpiCon es un marco de memoria multimodal compartido diseñado para facilitar el aprendizaje colectivo de agentes de inteligencia artificial sin modificar los parámetros del modelo anfitrión. Este sistema permite que diferentes agentes reutilicen y construyan sobre la experiencia acumulada por otros, superando la limitación de que cada agente aprenda de forma aislada. El framework se compone de dos modelos independientes de 2.000 millones de parámetros: un controlador de memoria y un autoorganizador de árbol. El controlador refina simultáneamente la guía textual y la evidencia visual a lo largo de varios intentos, seleccionando de forma selectiva qué memorias visuales incluir. Por su parte, el autoorganizador consolida las lecciones de manera jerárquica y recupiera reglas y experiencias para resolver nuevos problemas.
La evaluación de EpiCon se realizó en once benchmarks que abarcan cuatro dominios de tareas multimodales, utilizando dos marcos de prueba y múltiples arquitecturas de base. Los resultados demuestran que un banco de experiencia congelado mejora a otros sistemas incluso con un solo intento de resolución. En un segundo marco de prueba, el sistema original aumentó su puntuación macromedia en 2,6 puntos sobre los once benchmarks. En comparación con la configuración sin memoria, EpiCon mejoró las puntuaciones macromedia entre 1,7 y 4,9 puntos, reduciendo además el tiempo de operación de memoria entre un 67% y un 74% en relación con los modelos de memoria del tamaño del backbone.