NeurIPS on SoloSoft

HippoRAG: Memoria a Largo Plazo Neurobiologicamente Inspirada para LLMs (NeurIPS 2024)

Fri, 01 May 2026 00:00:00 +0000

La Generacion Aumentada por Recuperacion (RAG) se ha convertido en el enfoque estandar para fundamentar las salidas de LLM en conocimiento externo. Pero la RAG estandar tiene una limitacion fundamental: trata cada consulta de forma independiente, sin memoria de recuperaciones pasadas ni capacidad para conectar informacion entre documentos. HippoRAG se inspira en el hipocampo del cerebro humano para superar esto, creando un sistema de memoria a largo plazo que mejora dramaticamente la respuesta a preguntas multi-salto.

Publicado en NeurIPS 2024 y disponible en github.com/OSU-NLP-Group/HippoRAG, HippoRAG combina LLMs con grafos de conocimiento en un marco modelado segun la teoria de indexacion hipocampal de la memoria humana. El resultado es un sistema RAG que construye una estructura de conocimiento persistente a partir de documentos, permitiendole responder preguntas complejas que requieren conectar informacion a traves de multiples fuentes, logrando aproximadamente un 20% de mejora sobre la RAG estandar en benchmarks de QA multi-salto.

SWE-agent: El Agente AI de Código Abierto de Princeton para Ingeniería de Software Autónoma

Fri, 01 May 2026 00:00:00 +0000

El grupo de Procesamiento de Lenguaje Natural de la Universidad de Princeton ha producido algunas de las investigaciones más influyentes en IA, y SWE-agent representa una contribución histórica al campo emergente de la ingeniería de software impulsada por IA. En lugar de tratar la generación de código como un problema de completado de texto sin estado, SWE-agent lo enmarca como una tarea de agente interactivo: el modelo recibe un issue de GitHub, debe explorar el repositorio para entender el contexto, formular una corrección, aplicarla y verificar el resultado.

Este enfoque refleja cómo trabajan realmente los desarrolladores humanos. Cuando se enfrentan a un informe de error, un desarrollador no comienza inmediatamente a escribir código. Lee los archivos relevantes, busca funciones relacionadas, revisa el historial de git, ejecuta pruebas y refina iterativamente su comprensión antes de hacer cambios. SWE-agent replica este flujo de trabajo a través de una innovación de diseño llamada Interfaz Agente-Computadora (ACI).