Tu modelo de IA nunca olvida: el problema silencioso de la memoria en agentes de larga duración

Este artículo sintetiza información publicada originalmente por es.linkedin.com. Para el contexto completo, las declaraciones originales y los detalles que no hemos incluido, consulta la fuente indicada.

Resumen: Tu modelo de IA nunca olvida: el problema silencioso de la memoria en agentes de larga duración

El contexto

LinkedIn y terceros utilizan cookies imprescindibles y opcionales para ofrecer, proteger, analizar y mejorar nuestros servicios, y para mostrarte publicidad relevante (incluidos anuncios profesionales y de empleo ) dentro y fuera de LinkedIn. Consulta más información en nuestra Política de cookies .

Qué ha pasado

Selecciona Aceptar para consentir o Rechazar para denegar las cookies no imprescindibles para este uso. Puedes actualizar tus preferencias en cualquier momento en tus ajustes .

Detalles

Al hacer clic en «Continuar» para unirte o iniciar sesión, aceptas las Condiciones de uso , la Política de privacidad y la Política de cookies de LinkedIn.

Estás en medio de una conversación. El modelo parece inteligente, alineado, casi colaborativo. De repente… se contradice. Pasa por alto algo obvio. O peor aún, inventa detalles con total seguridad.

Los modelos de lenguaje grandes (LLM) no tienen memoria en el sentido humano. No almacenan conversaciones, creencias ni una comprensión que evoluciona.

Operan dentro de una ventana de contexto — un búfer de tamaño fijo (en tokens) que define todo lo que el modelo puede "ver" de una vez.

En los últimos dos años, los proveedores de modelos han seguido compitiendo por aumentar el tamaño del contexto — pero con rendimientos decrecientes.

A marzo de 2026, estas son las especificaciones reales de los modelos en producción:

Gemini 2.0 Ultra ~10 millones (reportado)Sigue débil en recuperación de medio contexto más allá de 2M.

Incluso cuando un modelo puede procesar técnicamente millones de tokens, no significa que pueda usarlos de forma efectiva.

Fuente original

Lee el artículo completo en es.linkedin.com.

Si trabajas en este ámbito y quieres compartir tu perspectiva, escríbeme a [email protected].