Resumen Técnico: Eluna – Un Sistema de LLM Agéntico para la Automatización de Operaciones de Almacén

Planteamiento del Problema

Las operaciones modernas de almacén dependen de Procedimientos Operativos Estándar (SOP) que codifican una lógica de decisión compleja y multisistémica. Estos flujos de trabajo, tales como el diagnóstico de transporte robótico o el procesamiento de tickets de inventario, requieren una adherencia estricta a las restricciones procedimentales, umbrales cuantitativos y un razonamiento de múltiples pasos a través de docenas de sistemas. La ejecución actual es a menudo manual, lenta y propensa a errores, lo que provoca una degradación del rendimiento (throughput).

Si bien los Modelos de Lenguaje Extensos (LLMs) demuestran sólidas capacidades de razonamiento, los marcos agénticos existentes (por ejemplo, ReAct, Reflexion) tienen dificultades con el cumplimiento de los SOP. Dependen de prompts de estructura laxa que carecen de mecanismos para imponer restricciones procedimentales deterministas, lo que causa que modelos capaces se desvíen de los caminos de decisión prescritos. Un cuello de botella primario es la sobrecarga de contexto: cuando se presentan las especificaciones completas del SOP al modelo, el rendimiento se degrada debido a que los flujos de trabajo complejos abruman la capacidad del modelo para seleccionar acciones relevantes. Esta meseta de rendimiento persiste independientemente de la escala del modelo, y el uso de prompts por sí solo es insuficiente sin un entrenamiento específico del dominio.

Metodología: El Marco de Trabajo Eluna

Eluna es un sistema multi-agente guiado por grafos, desplegado en producción, diseñado para garantizar una ejecución de SOP confiable. Aborda la sobrecarga de contexto y la generalidad de los casos de uso mediante tres componentes arquitectónicos principales:

1. Representación de SOP Guiada por Grafos y Divulgación Progresiva

Los SOP se codifican como Grafos Acíclicos Dirigidos (DAGs) que contienen cinco tipos de nodos: observaciones, causas raíz, cálculos, restricciones y acciones.

• Divulgación Progresiva: En lugar de presentar el grafo completo, el sistema divulga el grafo en dos niveles:
  1. Una herramienta de recuperación ejecuta una Búsqueda en Anchura (BFS) desde el nodo activado para devolver solo el subgrafo alcanzable (estructura y descripciones breves).
  2. Las especificaciones procedimentales completas (lógica de evaluación, llamadas a herramientas, umbrales) para un nodo específico se recuperan solo cuando el agente comienza a evaluar dicho nodo.
• Este enfoque limita el contexto de trabajo a un solo nodo a la vez, evitando que el agente infle ramas o explore subárboles irrelevantes.

2. Arquitectura Multi-Agente Jerárquica

Eluna emplea una jerarquía de dos niveles para gestionar la complejidad y el paralelismo:

• Agente Principal (Orquestador): Posee el subgrafo recuperado, selecciona los siguientes nodos a evaluar basándose en las dependencias de las aristas y emite llamadas de delegación. Retiene el estado a nivel de grafo para la secuenciación y la verificación de restricciones.
• Sub-Agentes Paralelos: Se delegan sub-agentes independientes para evaluar nodos específicos en paralelo. Cada sub-agente opera en un contexto aislado que contiene únicamente la especificación, las instrucciones de rol y las herramientas de su nodo asignado.
• Ecosistema de Herramientas: Los sub-agentes utilizan un intérprete de código persistente (paradigma CodeAct) para la manipulación de datos y el Protocolo de Contexto de Modelo (MCP) para el acceso a datos en tiempo real. Solo se devuelven conclusiones estructuradas al agente principal, evitando la sobrecarga de contexto.

3. Empaquetado de Habilidades (Skill Packaging)

Para evitar conflictos en el espacio de herramientas y la sobrecarga de contexto por cargar todos los casos de uso simultáneamente, cada flujo de trabajo se empaqueta como una Habilidad (Skill) autónoma. Una habilidad incluye el grafo de decisión, herramientas específicas, especificaciones de nodos, funciones CodeAct e instrucciones de ejecución. Las habilidades se cargan bajo demanda en tiempo de ejecución, permitiendo que el mismo motor de agentes sirva diversos casos de uso operativos.

4. Estrategia de Entrenamiento: Destilación Episódica Asimétrica

Reconociendo que el prompting por sí solo es insuficiente, Eluna utiliza un pipeline de entrenamiento centrado en trayectorias:

• Mejora de la Trayectoria del Maestro: Un modelo maestro fuerte genera trayectorias dentro del marco de trabajo. El Aprendizaje Episódico corrige iterativamente los errores del maestro utilizando memoria y reflexión sin actualizar los pesos del modelo.
• Destilación Asimétrica: Un modelo estudiante más pequeño y de baja latencia es ajustado (fine-tuned) sobre las trayectorias corregidas. Crucialmente, la memoria episódica se elimina durante el entrenamiento y la inferencia del estudiante. El estudiante debe internalizar las correcciones en sus pesos en lugar de depender de la memoria en tiempo de ejecución. Esto elimina la dependencia de la memoria y la sobrecarga durante la inferencia.
• Procesamiento de Datos: Las trayectorias se descomponen turno a turno, y un muestreo de rechazo con un juez LLM filtra la corrección antes del ajuste fino.

Contribuciones Clave

El artículo describe tres contribuciones primarias:

1. Un Marco de Habilidades Guiado por Grafos: Codifica los SOP como DAGs con divulgación progresiva y utiliza la ejecución multi-agente jerárquica con delegación de sub-agentes paralelos para lograr un razonamiento escalable y procedimentalmente conforme.
2. Pipeline de Destilación Episódica Asimétrica: Un método de entrenamiento donde el aprendizaje episódico mejora las trayectorias del maestro, y un modelo estudiante es ajustado con estas trayectorias corregidas y sin memoria, internalizando la lógica procedimental sin la sobrecarga de memoria en tiempo de ejecución.
3. Desempeño en el Mundo Real: Demuestra que un modelo de 32B ajustado supera a las líneas base de modelos de gran escala disponibles comercialmente (OTS) y iguala a un modelo maestro mucho más grande en benchmarks operativos y aplicaciones de producción.

Resultados Experimentales

Benchmark de Razonamiento Operativo

Evaluado en un benchmark de 13 tareas que cubren capacidades como análisis de cadena causal, detección de tendencias métricas y síntesis de conocimiento entre sistemas:

• Eluna-G (ajustado de GLM-4.5-Air) y Eluna-Q (ajustado de Qwen3-32B) mejoraron el desempeño promedio en un +6.5% y +6.0% respectivamente sobre la línea base de GLM-4.5-Air.
• El Qwen3-32B OTS funcionó un 38.0% peor que la línea base, resaltando la necesidad del entrenamiento específico del dominio.
• Eluna-Q, a pesar de ser una arquitectura diferente y más pequeña que el maestro (GLM-4.7), igualó el desempeño del maestro, demostrando una transferencia efectiva de razonamiento operativo entre familias de modelos.

Aplicaciones de Producción

1. Transporte Robótico (Crítico para la Latencia):

   • El sistema procesó aproximadamente 8,000 disparadores en producción.
   • Los modelos ajustados mejoraron la corrección binaria de observaciones en >49% y la corrección de la causa raíz en >73% sobre la línea base.
   • Las tasas de coincidencia exacta mejoraron en +165% para las acciones.
   • La latencia de ejecución mediana se redujo en ~54% en comparación con el modelo maestro grande, cumpliendo con los SLA de diagnóstico en tiempo real.
   • Las revisiones de expertos en la materia (SME) indicaron una adherencia casi perfecta a los SOP, atribuyendo los errores a brechas en la especificación del SOP más que al razonamiento del agente.

2. Procesamiento de Tickets (Razonamiento Complejo):

   • Aplicado a un SOP de consolidación de inventario de 46 nodos.
   • Un modelo de 355B ajustado (Eluna-G-XL) alcanzó un 94.4% de corrección estimada frente a las anotaciones de expertos.
   • El sistema automatizó el triaje digital de tickets que anteriormente requerían ~6 minutos de procesamiento manual, con un tiempo de generación mediana de 187 segundos.

Estudios de Ablación

Los experimentos confirmaron que la destilación asimétrica es crítica. Aplicar el aprendizaje episódico (EL) solo al maestro produjo mejoras significativas (+16.2% a +28.6%). Sin embargo, entrenar al estudiante con EL pero eliminándolo durante la inferencia causó caídas catastróficas en el desempeño (−52.7%), probando que el conocimiento episódico debe internalizarse en los pesos en lugar de exponerse como una dependencia frágil en tiempo de ejecución.

Significancia y Reivindicaciones

El artículo afirma que Eluna demuestra dos lecciones generalizables para el despliegue de sistemas agénticos en producción:

1. La Destilación Supera a la Escala para el Cumplimiento: Dentro de un marco guiado por grafos, un modelo de 32B ajustado puede igualar a un maestro significativamente más grande y superar a todos los modelos OTS probados. El desempeño de los modelos OTS alcanza una meseta independientemente de su tamaño, mientras que el entrenamiento en trayectorias estructuradas produce resultados superiores.
2. Las Restricciones de Latencia Impulsan la Arquitectura: El requisito de inferencia de baja latencia bajo los SLA de producción necesitó el diseño de destilación asimétrica. Depender de la memoria episódica en la inferencia resultó ser una dependencia frágil en lugar de una ganancia pura de precisión.

Los autores señalan que los errores residuales en el sistema provienen de brechas en las especificaciones de los SOP y la calidad de los datos de origen, identificando la autoría de los SOP y el pipeline de integridad de datos como el próximo cuello de botella para la automatización operativa confiable. El sistema está actualmente desplegado en dos dominios operativos, permaneciendo la transferencia a entornos sustancialmente diferentes por validarse empíricamente.