MixUA: sistema de memoria para agentes multiusuario y multiagente

Fuentes: MixUA: Granular Memory System for Multi-User, Multi-Agent Interaction

El sistema MixUA, presentado en la arXiv, resuelve un problema crítico en la interacción multiusuario y multiagente: la gestión de la privacidad y el beneficio de las lecciones aprendidas. A diferencia de los sistemas actuales que suelen compartir información globalmente sin restricciones, MixUA extrae la memoria de forma granular, asignando cada lección a un par de usuario-agente, al usuario, al agente o al ámbito global según quién se beneficia y qué información debe permanecer privada. Esta arquitectura permite que los agentes auto-evolutivos mejoren sus habilidades y compartan experiencias sin reentrenar el modelo base de lenguaje, mientras que los grupos de agentes evolucionan colaborativamente.

Para evaluar su eficacia, los autores introdujeron CrossLearnBench, un benchmark mixto que combina tareas establecidas de agentes con preferencias de usuario y pruebas de privacidad. En una configuración de cinco usuarios y siete agentes, MixUA logró aumentar las tasas de éxito hasta 16 puntos más que sin memoria y 5 puntos más que con una memoria global única, incluso en tareas previamente intentadas solo por otros usuarios en otros agentes. El sistema mantiene hasta el 90% de las preferencias previamente declaradas y logra una privacidad robusta, con un máximo del 0,02% de probabilidad de que un hecho privado plantado se filtre a un alcance prohibido. MixUA ofrece así una vía escalable hacia un sistema global donde usuarios y agentes co-evolucionan de manera segura y eficiente.