Qué probaría antes de escalar esta idea.
- PREGUNTA DE PRUEBA
- ¿La mejora de memoria se traduce en éxito robusto cuando se cambian tareas y aparecen estados contradictorios?
- ENTRADA
- Tres entornos con tareas holdout, memoria activada/desactivada y perturbaciones de estado, con tres semillas.
- MÉTRICA
- Éxito, SSF, recuperación de restricciones, errores por estado stale y tokens.
- PARADA
- Parar si SSF sube sin al menos 5% de mejora en éxito o si los errores stale superan 3%.
Structured State Fidelity y tareas textuales no cubren toda la incertidumbre física o social; una memoria de reglas incorrecta puede hacer la imaginación más consistente y equivocada.
Esta prueba es una propuesta editorial: no es un resultado reportado por los autores.
Lo esencial antes de invertir más tiempo.
MemWM añade al world model una memoria de reglas de transición, caches de estado y hechos difíciles de predecir; luego conecta esa imaginación con skills de mundo para planificar.
La memoria mejora hasta 206,3% Structured State Fidelity frente a SFT y hasta 65,4% de mejora relativa en ALFWorld, WebShop y ScienceWorld.
Resultado reportado con fuente enlazada · 3 localizadores disponibles.Structured State Fidelity y tareas textuales no cubren toda la incertidumbre física o social; una memoria de reglas incorrecta puede hacer la imaginación más consistente y equivocada.
La memoria se convierte en una defensa contra la imaginación fluida pero infiel, especialmente cuando el agente usa el modelo para valorar acciones antes de ejecutarlas.
MemWM añade al world model una memoria de reglas de transición, caches de estado y hechos difíciles de predecir; luego conecta esa imaginación con skills de mundo para planificar.
Qué sostiene esta confianza — y qué sigue sin probarse.
Juicio editorial sobre la transferibilidad de esta lectura; no mide calidad académica ni efecto local.
- FUENTE PRIMARIA
- DOCUMENTADO
Lectura primaria completa registrada sobre v1; comprobación: 2026-08-20 · método, resultado y límites revisados; fuente primaria enlazada.
- RÉPLICA LOCAL
- PENDIENTE
No se ha registrado una réplica independiente en este sitio. El código o los datos enlazados, cuando existen, no cuentan como réplica.
- LÍMITES
- DOCUMENTADO
3 límites declarados en la ficha.
- APLICABILIDAD
- ACOTADO
Hay una prueba de transferencia con entrada, métrica y parada; su resultado local todavía no se ha observado.
REGLA EDITORIALLos criterios no se promedian automáticamente. Una fuente leída, un límite claro o un protocolo propuesto no equivalen a una réplica ni a un resultado local.
Qué está reportado y qué conviene comprobar.
La memoria mejora hasta 206,3% Structured State Fidelity frente a SFT y hasta 65,4% de mejora relativa en ALFWorld, WebShop y ScienceWorld.
+206,3% SSF; hasta +65,4% relativo · baseline: SFT · contexto: ALFWorld, WebShop y ScienceWorld
Qué estudiaron y qué cambia.
La síntesis está separada de los resultados reportados y de las inferencias.MemWM trata un problema de los world models textuales: pueden generar una continuación fluida que omite un atributo, corrompe un producto o aplica una regla de transición incorrecta. Para un agente que planifica sobre esa imaginación, una frase plausible pero infiel puede ser peor que una abstención.
El sistema construye una world memory con tres clases de contenido: reglas de transición, caches de estado y hechos difíciles de predecir. En la planificación, la política recupera un world task skill y guidance correctivo; después el world model imagina el siguiente estado de cada acción candidata con ayuda de esa memoria.
El paper propone Structured State Fidelity para comparar estados predichos y reales mediante hechos y campos del benchmark. El entrenamiento aumentado por memoria mejora SSF hasta 206,3% frente a SFT; en planificación downstream, los experimentos en ALFWorld, WebShop y ScienceWorld alcanzan hasta 65,4% de mejora relativa.
La aportación es una defensa contra el olvido estructural, no una solución general a la imaginación. Si una regla entra mal en la memoria, el sistema puede volverse más coherente y más peligroso. La siguiente prueba debería incluir procedencia, caducidad y contradicciones deliberadas antes de usar el patrón en un entorno operativo.
- PROBLEMA
- Los estados futuros generados pueden sonar coherentes y, al mismo tiempo, omitir hechos críticos o aplicar reglas de transición incorrectas.
- MÉTODO
- Recupera reglas de transición, caches de estado y hechos difíciles de predecir para condicionar la imaginación del world model; además, entrega skills y guidance a la política.
- TIPO DE EVIDENCIA
- La memoria mejora hasta 206,3% Structured State Fidelity frente a SFT; en ALFWorld, WebShop y ScienceWorld el agente obtiene hasta 65,4% de mejora relativa sobre el agente con world model SFT.
- LÍMITE
- Structured State Fidelity y tareas textuales no cubren toda la incertidumbre física o social; una memoria de reglas incorrecta puede hacer la imaginación más consistente y equivocada.
La memoria protege la planificación de futuros fluidos pero infieles.
Un world model debe recordar las reglas que no puede permitirse inventar.
La ficha no incrusta una figura primaria porque su licencia o permiso específico no consta en el registro editorial. La fuente permanece enlazada para comprobarla.
Comprobar fuente primaria ↗ (sitio externo; abre en una pestaña nueva)La lectura también deja rastro.
Guarda una observación junto a la evidencia. Tú escribes aquí; los agentes pueden añadir notas por MCP y aparecerán identificados.
LECTURA AMPLIADAMetodología, implicaciones y preguntas para volver al paper.+
Recupera reglas de transición, caches de estado y hechos difíciles de predecir para condicionar la imaginación del world model; además, entrega skills y guidance a la política.
La memoria se convierte en una defensa contra la imaginación fluida pero infiel, especialmente cuando el agente usa el modelo para valorar acciones antes de ejecutarlas.
Structured State Fidelity y tareas textuales no cubren toda la incertidumbre física o social; una memoria de reglas incorrecta puede hacer la imaginación más consistente y equivocada.
Cómo lo llevaría a un proyecto
Separar en una simulación las reglas, caches y hechos difíciles de predecir, y medir cuándo cada tipo de memoria evita una acción incorrecta.
Preguntas que conviene probar
- ¿Qué hechos deben entrar en world memory y con qué procedencia?
- ¿Cuándo una regla recordada debe caducar o pedir verificación?
Si tuviera que convertirlo en una prueba mañana.
Mi lectura
Un world model necesita recordar las reglas que no puede permitirse inventar antes de recomendar una acción.
Esta última frase es una inferencia editorial a partir del paper y de sus posibles implicaciones; no es una afirmación de los autores.
La prueba que queda en pie.
¿La mejora de memoria se traduce en éxito robusto cuando se cambian tareas y aparecen estados contradictorios?