Anclaje Semántico en Memoria Agencial: Aprovechando Estructuras Lingüísticas para un Contexto Conversacional Persistente

Los Grandes Modelos de Lenguaje (LLMs) han demostrado una fluidez y competencia impresionantes en tareas dentro de entornos conversacionales. Sin embargo, su efectividad en interacciones de múltiples sesiones y a largo plazo se ve limitada por la persistencia limitada de la memoria. Los sistemas típicos de generación aumentada por recuperación (RAG) almacenan el historial del diálogo como vectores densos, que capturan similitud semántica pero descuidan estructuras lingüísticas más finas, como dependencias sintácticas, relaciones discursivas y enlaces de correferencia. Proponemos el Anclaje Semántico, una arquitectura híbrida de memoria agencial que enriquece el almacenamiento basado en vectores con señales lingüísticas explícitas para mejorar el recuerdo de intercambios matizados y ricos en contexto. Nuestro enfoque combina análisis de dependencias, etiquetado de relaciones discursivas y resolución de correferencia para crear entradas de memoria estructuradas. Experimentos en conjuntos de datos adaptados de diálogos a largo plazo muestran que el anclaje semántico mejora el recuerdo fáctico y la coherencia discursiva hasta en un 18% sobre sólidas líneas base RAG. Además, realizamos estudios de ablación, evaluaciones humanas y análisis de errores para evaluar la robustez e interpretabilidad.