EvoLib: Convertir la experiencia en conocimiento en evolución

EvoLib es un framework de Microsoft Research que permite a los sistemas de inteligencia artificial aprender de la experiencia durante la inferencia sin necesidad de etiquetas de verificación ni de actualizaciones del modelo. A diferencia de los sistemas de memoria tradicionales que almacenan experiencias en bruto de forma estática, EvoLib transforma los intentos pasados en habilidades reutilizables e ideas reflexivas. Estas unidades de conocimiento se consolidan continuamente con conocimientos similares existentes para volverse más generales, y cada unidad se pondera según su impacto a largo plazo en tareas futuras. El framework fue probado en tareas de razonamiento matemático, eficiencia de código y toma de decisiones, superando consistentemente a los métodos de memoria basados en recuperación más avanzados, con un uso más eficiente de los tokens. EvoLib también muestra un rendimiento robusto en órdenes aleatorios de tareas, lo que indica su aplicabilidad práctica en escenarios del mundo real donde las tareas llegan de manera arbitraria. El sistema logra mayores ganancias de rendimiento con el aumento de la capacidad de cómputo en tiempo de prueba en comparación con la ampliación de cómputo aislada y otros métodos basados en memoria. El código y los experimentos están disponibles públicamente en GitHub.