Resumen: Los agentes del modelo de lenguaje grande multimodal (MLLM) facilitan la automatización de la interfaz gráfica de usuario (GUI), pero tienen dificultades con tareas de largo horizonte y entre aplicaciones debido a ventanas de contexto limitadas. Si bien los sistemas de memoria brindan una solución viable, los paradigmas existentes luchan por adaptarse a entornos GUI dinámicos, sufriendo una falta de coincidencia de granularidad entre la intención de alto nivel y la ejecución de bajo nivel, y una contaminación del contexto donde la acumulación estática de experiencias obsoletas lleva a los agentes a alucinaciones. Para abordar estos cuellos de botella, proponemos el Sistema de Memoria Darwiniano (DMS), una arquitectura autoevolutiva que construye la memoria como un ecosistema dinámico regido por la ley de supervivencia del más apto. DMS descompone trayectorias complejas en unidades independientes y reutilizables para lograr flexibilidad de composición e implementa la selección natural basada en utilidades para rastrear el valor de supervivencia, podando activamente rutas subóptimas e inhibiendo planes de alto riesgo. Esta presión evolutiva obliga al agente a derivar estrategias superiores. Amplios experimentos en puntos de referencia de aplicaciones múltiples del mundo real validan que DMS impulsa los MLLM de uso general sin costos de capacitación ni sobrecarga arquitectónica, logrando ganancias promedio del 18,0 % en la tasa de éxito y el 33,9 % en la estabilidad de la ejecución, al tiempo que reduce la latencia de las tareas, estableciéndolo como un sistema de memoria eficaz y autoevolutivo para tareas de GUI.
Publicado originalmente en export.arxiv.org el 1 de febrero de 2026.
Ver fuente original
