Copied


MIRIX-2.0 : El sistema de memoria multi-agente logra una precisión líder en benchmarks

Caroline Bishop   Nov 17, 2026 21:41 0 Min Read


Un nuevo documento de investigación en IA, MIRIX-2.0 : Sistema de Memoria Multi-Agente, publicado el 2026-11-17 , introduce un sistema de memoria avanzado para agentes de modelos de lenguaje grande (LLM). Desarrollado por Wei-Chieh Huang, Weizhi Zhang, Jiayan Nan, Peng Xia y Yu Wang, el sistema demuestra mejoras significativas en precisión y eficiencia en múltiples benchmarks sin requerir ajuste fino. La implementación de código abierto está disponible en GitHub.

Avance en Memoria a Largo Plazo para Agentes LLM

MIRIX-2.0 aborda desafíos críticos en memoria a largo plazo para agentes LLM, incluyendo la necesidad de personalización, consistencia y reutilización eficiente de información. Los sistemas de memoria paramétricos tradicionales a menudo requieren entrenamiento y corren el riesgo de perder detalles durante la consolidación, mientras que mantener cada registro puede llevar a ineficiencias en los procesos de búsqueda. MIRIX-2.0 supera estas limitaciones con una arquitectura de memoria multi-agente que integra seis componentes de memoria especializados: Núcleo, Episódica, Semántica, Procedimental, Recurso y Bóveda de Conocimiento.

Rendimiento Líder en Benchmarks

El sistema logró resultados líderes en cuatro de cinco benchmarks de QA. Los aspectos clave incluyen:

  • 91.4% de precisión en el benchmark de LoCoMo, superando la línea base más fuerte por 14.3 puntos porcentuales.
  • 72.6% de precisión en LongMemEval-S, también liderando por 14.3 puntos.
  • Ganancias significativas sobre HyperMem en tareas de QA de documentos, con mejoras de 31.0 puntos para QA de un solo salto y 22.0 puntos para QA de múltiples saltos cuando AutoDream fue deshabilitado.

En tareas de memoria procedimental, MIRIX-2.0 logró las tasas de éxito medias más altas entre los sistemas comparados. Registró una tasa de éxito de 49.2% en MetaClaw-Bench, superando la biblioteca de habilidades de MetaClaw, que anotó 44.0% .

Innovaciones Técnicas

El sistema emplea un hipergrafo de procedencia para indexar registros episódicos y semánticos utilizando marcos n-arios, asegurando una recuperación eficiente bajo presupuestos de recursos explícitos. Este diseño evita que la base de evidencia crezca incontrolablemente con la historia. Además, la función AutoDream consolida anclas duplicadas fuera de la ruta de escritura y destila sesiones de tareas en habilidades reutilizables, mejorando tanto la velocidad como la eficiencia.

MIRIX-2.0 opera sin problemas con modelos cerrados y abiertos, no requiere ajuste fino y soporta entradas multimodales como texto, imágenes, voz y capturas de pantalla. Su búsqueda de texto completo nativa de PostgreSQL BM25 y la memoria basada en grafos opcional de Neo4j mejoran aún más sus capacidades avanzadas de búsqueda.

Disponibilidad de Código Abierto

El sistema MIRIX-2.0 está disponible como un proyecto de código abierto en GitHub, permitiendo a los desarrolladores explorar sus características e integrarlas en sus aplicaciones. El diseño centrado en la privacidad asegura que todos los datos a largo plazo permanezcan almacenados localmente, con configuraciones de privacidad controladas por el usuario.

Este avance en sistemas de memoria para agentes LLM tiene el potencial de redefinir cómo los modelos de IA manejan la memoria a largo plazo, la personalización y las tareas procedimentales, abriendo el camino para aplicaciones de IA más inteligentes y eficientes.


Read More