# Multi-Agent Transactive Memory
> Ficha editorial pública de Research IA. Estado: Lectura primaria completa. La interpretación editorial no sustituye la fuente primaria.

- Página canónica: https://luiseduardodemiguel.com/research-ia/papers/multi-agent-transactive-memory
- Fuente primaria: https://arxiv.org/abs/2606.19911
- Versión leída: v1
- Fuente comprobada: 2026-08-19 · lectura primaria completa; extracción editorial automatizada, revisión humana pendiente
- Autores: To Eun Kim, Xuhong He, Dishank Jain, Ambuj Agrawal, Negar Arabzadeh, Fernando Diaz
- Fecha del corte: 18 JUNIO 2026.
- Área: MEMORIA · AGENTES

## Tesis y contexto

Propone MATM: memoria compartida entre poblaciones de agentes, donde unos agentes guardan trayectorias y otros las recuperan para mejorar tareas futuras.

- Problema: Las trayectorias útiles de agentes suelen descartarse tras una ejecución.
- Por qué importa: Convierte la experiencia de agentes en infraestructura colectiva, una especie de “buscador de procedimientos” para ecosistemas agentic.

## Evidencia reportada

- **reported-result**: Across both benchmarks, retrieval from the shared repository consistently improves task outcomes. [localizador](https://arxiv.org/html/2606.19911#S5)
- **reported-result**: On ALFWorld, success rate increases from 47% to 55% (+8.0%p), while average steps per episode decrease from 11.77 to 11.18. [localizador](https://arxiv.org/html/2606.19911#S5)
- **reported-result**: On WebArena, success rate improves from 18% to 20% (+2%p), with average steps falling from 22.0 to 20.3 and RPP turning positive at 0.03. [localizador](https://arxiv.org/html/2606.19911#S5)
- **reported-result**: The improvement is more modest than ALFWorld, possibly due to WebArena’s longer task horizons and greater sensitivity to early-step errors. [localizador](https://arxiv.org/html/2606.19911#S5)

## Lectura y límite

- Método: La lectura de 2 Background (Appendix A ) describe la intervención y su construcción: Memory has long played a role in the development of AI agents. Existing approaches can be understood as memory over various sources of data. Memory of training data provides agents with access to knowledge explicitly or implicitly stored during optimization. Explicit methods include nearest-neighbor algorithms ( 11 ; 20 ) or case-based reasoning ( 25 ; 13 ) or implicit behaviors ( 7 ) . Memory over experience data provides agents with access to traces of their own interactions. Historically, methods reflecting memory of experience data include early cognitive architectures like SOAR ( 27 ) , reinforcement…
- Límite: La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 5 Results.
- Confianza editorial: Media
- Limitación: El cierre de la fuente señala: Our scaling experiments in § 5.5 demonstrate that the value of MATM improves as the repository grows, suggesting that incentives or remuneration for producer contributions will be an important challenge for such platforms.
- Limitación: La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en 5 Results.

## Localizadores de evidencia
- [Fuente primaria · canonical](https://arxiv.org/abs/2606.19911): tipo abstract
- [HTML · lectura completa](https://arxiv.org/html/2606.19911): tipo abstract
- [Método · 2 Background (Appendix A )](https://arxiv.org/html/2606.19911#S2): tipo section
- [Evaluación · 5 Results](https://arxiv.org/html/2606.19911#S5): tipo section
- [Cierre · 6 Discussion](https://arxiv.org/html/2606.19911#S6): tipo section

## Próxima prueba

- ¿La propuesta mejora agentes empresariales frente a la línea base actual?
- Métrica: Comparar la métrica principal de la fuente junto con calidad, coste, latencia y tasa de errores.
- Regla de parada: Parar si no aparece una mejora reproducible o si aumenta el riesgo, la complejidad o el coste sin compensación.

## Recursos reproducibles
- [https://github.com/kimdanny/matm](https://github.com/kimdanny/matm)
- [https://huggingface.co/datasets/toeunkim/matm-trajectories](https://huggingface.co/datasets/toeunkim/matm-trajectories)
- [the following issues](https://github.com/arXiv/html_feedback/issues)
- [list of packages that need conversion](https://github.com/brucemiller/LaTeXML/wiki/Porting-LaTeX-packages-for-LaTeXML)

## Enlaces relacionados

- [CoEvo-Mem](https://luiseduardodemiguel.com/research-ia/markdown/papers/coevo-mem)
- [Agent Memory Distillation](https://luiseduardodemiguel.com/research-ia/markdown/papers/agent-memory-distillation)
- [LiveMem](https://luiseduardodemiguel.com/research-ia/markdown/papers/livemem)