Resumen Técnico: ZifaMem – Memoria Estructurada para la Continuidad de la Persona, la Preferencia y la Emoción en Compañeros de IA

1. Planteamiento del Problema

El desafío central abordado es la continuidad emocional en los compañeros de IA. Si bien la fluidez en un solo turno es necesaria, la confianza del usuario y la autorrevelación dependen de la capacidad del sistema para mantener una relación coherente a lo largo del tiempo. Los fallos actuales suelen derivar de discontinuidades: olvidar duelos pasados, contradecir la personalidad o repetir preferencias corregidas.

La investigación actual sobre memoria a largo plazo se ha centrado principalmente en la recuperación de hechos, el razonamiento temporal y la consistencia del perfil. Este documento argumenta que, para el acompañamiento, la memoria debe soportar específicamente cargas de trabajo relacionales y emocionales. Además, aunque los modelos psicológicos sugieren que el afecto tiene una estructura temporal (inercia, fuerza del atractor), no está claro si las máquinas de estado dinámicas explícitas (por ejemplo, simuladores de estado de ánimo) aportan valor por encima de simplemente portar el historial a partir del cual se infiere el afecto.

2. Metodología y Arquitectura del Sistema

2.1 Descomposición del Sistema ZifaMem

El sistema separa la Memoria Estructurada de la Continuidad del Afecto, convergiendo solo en la etapa de composición de la respuesta para aislar sus efectos.

• Sustrato de Memoria Estructurada: El diálogo se organiza en cuatro capas:
  • L1: Búfer de turnos rotativos.
  • L2: Resúmenes de sesión.
  • L3: Memorias episódicas (promovidas desde resúmenes si la importancia $I \ge 0.5$ o si ocurrió un pico emocional).
  • L4: Modelo de usuario consolidado.
  • Recuperación: Utiliza una función de puntuación de reordenamiento (reranker): $score(q, j) = 0.35 \cdot sem(q, j) + 0.30 \cdot s_j + 0.35 \cdot I_j$. Notablemente, no hay un término ponderado separado para la intensidad emocional en la ecuación de recuperación; el afecto influye en la retención a través de la puerta de promoción y el cálculo de la fuerza.
• Carriles de Continuidad del Afecto:
  • Vía de Legado (E+): Un sistema de segundo orden dirigido que modela el estado de ánimo del compañero ($e(t)$) basado en las expresiones del usuario, inyectando un bloque de prompt con el estado de ánimo evaluado.
  • DYAFFECT (C4): Un estimador de estado adaptativo a la confianza para el afecto del usuario. Mantiene un estado latente ($s_t$) y una tendencia ($h_t$) utilizando observaciones ponderadas por confianza, manejo explícito de puntos de cambio y predicción acotada.
  • Condiciones Contrastivas: El estudio compara:
    • C2: Instantánea actual (un solo turno).
    • C3: Observaciones recientes (media ponderada por confianza de los últimos 3 turnos).
    • C4: DYAFFECT (estado latente).

2.2 Protocolo Experimental

Las evaluaciones se realizaron utilizando ALPSBENCH (Tarea 4), un banco de pruebas para la interacción a largo plazo utilizando diálogos reales entre humanos y LLM.

• Backbones: Probados a través de cuatro modelos: Claude-Sonnet-4.6, Qwen3.6, Doubao-Seed-1.8 y GLM-5.2.
• Endpoints:
  • A1: Fundamentación de la personalidad (persona grounding).
  • A2: Seguimiento de preferencias de contenido y estilo de interacción.
  • A3: Discriminación entre ficción y realidad.
  • A5: Inteligencia emocional (escala 1–5).
• Comparadores:
  • Línea base (Baseline): Historial de diálogo completo (sin resumen).
  • Sistemas Previos: Mem0 y una línea base de "RAG Simple" (recuperación de términos literales filtrados).
• Rigor: Los experimentos incluyeron protocolos preregistrados (para comparaciones de sistemas previos e historias largas), auditorías de rutas y bootstrapping de instancias emparejadas (10,000 muestras).

3. Resultados Clave

3.1 La Continuidad Emocional es la Ganancia Primaria

La memoria estructurada mejora significativamente la inteligencia emocional (A5) en los cuatro backbones en comparación con el historial bruto.

• Ganancia Agregada: +0.42 puntos (95% CI: [+0.25, +0.60]), lo que representa una mejora del 11.4% sobre la línea base de historial bruto.
• Consistencia: La ganancia es direccional en cada backbone verificado, estableciendo que la representación estructurada etiquetada con afecto mejora la inteligencia emocional juzgada, incluso cuando la línea base tiene acceso a la transcripción completa original.

3.2 Mapa de Aplicabilidad por Nivel de Capacidad

Las ganancias no son uniformes; se concentran donde el backbone deja "margen de mejora" (headroom).

• Claude-Sonset-4.6: Muestra ganancias significativas en Fundamentación de Personalidad (A1) (+23.7%) y Seguimiento de Preferencias (A2) (+14.2% en contenido, +15.0% en estilo).
• Otros Backbones: Qwen3.6 y GLM-5.2 no mostraron ganancias significativas en A2 (o hubo ligeras regresiones), lo que correlaciona con sus líneas base de historial bruto más altas.
• Conclusión: La memoria estructurada es más efectiva para cargas de trabajo de personalidad y preferencia donde el modelo base tiene dificultades para extraer el contexto relevante de transcripciones largas.

3.3 Afecto: Hilos vs. Instantáneas vs. Máquinas de Estado

• Contexto de Multi-turno > Instantánea Única: El contexto de afecto de multi-turno (C3) superó a la instantánea de un solo turno (C2) con una preferencia neta del +39% en escenarios exploratorios.
• Fallo del Estado Latente: El estimador de estado latente DYAFFECT (C4) falló en su comparación principal contra la línea base de observaciones recientes (C3), mostrando una preferencia neta de -13.3% (el intervalo de confianza incluye el cero).
• Inyección de Afecto: La inyección de un bloque de estado de ánimo del compañero (Legado E+) no proporcionó una ganancia medible cuando la memoria estructurada estaba presente. Sin memoria, el efecto dependía del backbone (positivo en Claude, negativo en Gemini).

3.4 Comparación con Sistemas Previos

Bajo una comparación de protocolo igual y preregistrado en Claude-Sonnet-4.6:

• ZifaMem vs. Mem0: Estadísticamente equivalentes en el endpoint primario (A2 preferencia de estilo de interacción) dentro de un margen de ±5 puntos porcentuales (post-hoc TOST).
• RAG Simple: Sorprendentemente, la recuperación de términos literales filtrados simple superó tanto a ZifaMem como a Mem0 en tareas de preferencia de historial corto. Preservó la redacción exacta que el resumen había abstraído.
• Gradiente de Historia Larga: En historias que crecen de 16k a más de 100k tokens, la ventaja de la memoria estructurada fue direccionalmente positiva pero estadísticamente no probada (potencia insuficiente; $n=48$ por capa).

3.5 Límites y Fallos

• Sensibilidad del Backbone: En Gemini, la memoria estructurada causó regresiones en la preferencia de contenido y en la discriminación de ficción-realidad, sugiriendo que la compresión de contexto puede eliminar el encuadre (framing) necesario.
• Validación Mecánica: La máquina de estado de afecto de legado falló en las puertas de validación numérica (discrepancias en las rutas de avance rápido analítico), indicando que las dinámicas plausibles no garantizan un comportamiento correcto sin pruebas rigurosas.

4. Reivindicaciones y Significancia

El documento sostiene una tesis específica, no universal, respecto a la memoria estructurada:

1. La Continuidad Emocional es la Ganancia General: El hallazgo más robusto es que la memoria estructurada, etiquetada con afecto, mejora la inteligencia emocional a través de diversos backbones.
2. Selección Condicionada por Carga de Trabajo:
   • Para el estado relacional (personalidad, preferencias, historia), reemplazar el historial bruto con un sistema de memoria es superior.
   • Para tareas de preferencia de historial corto, la recuperación de términos literales simple es una línea base fuerte y subestimada que a menudo supera a la de la sumarización compleja.
   • Para historias largas, el gradiente es positivo pero requiere mayor potencia para confirmarlo.
3. El Afecto es Información, no una Máquina de Estado: El documento concluye que la información de afecto (transportada en la memoria) es distinta de las dinámicas de afecto (máquinas de estado latentes).
   • Los hilos emocionales de multi-turno son valiosos.
   • Los estimadores de estado latente explícitos (como DYAFFECT) y los bloques de estado de ánimo inyectados no añaden valor más allá de la historia que resumen; de hecho, pueden ser perjudiciales o nulos.
4. Límites de Despliegue Honesto: El documento rechaza explícitamente las afirmaciones de superioridad universal. Reconoce que para algunos backbones (ej. Gemini), la compresión perjudica el rendimiento, y que las diferencias de representación entre sistemas de memoria (ZifaMem vs. Mem0) no se resuelven con la potencia estadística actual para la inteligencia emocional.

Conclusión: El principio de diseño derivado es práctico: transporte la historia emocional en una memoria consolidada y etiquetada con afecto; prefiera la recuperación literal para tareas de preferencia detalladas y de historial corto; y trate las dinámicas de afecto latente como una hipótesis empírica en lugar de un componente arquitectónico por defecto.