NVIDIA NemoClaw potencia agente impulsado por memoria

NVIDIA utilizó su framework NemoClaw para crear un agente de Jefe de Oficina impulsado por memoria que mantiene un modelo auto‑descriptivo legible por humanos de personas, proyectos, prioridades y patrones de trabajo. El modelo almacena el conocimiento derivado en páginas Markdown, mientras que un libro mayor SQLite registra obligaciones, clasificaciones, correcciones y eventos de auditoría, manteniendo la evidencia separada del juicio. Una puerta de intención otorga mayor prioridad a las obligaciones vinculadas a prioridades declaradas por el usuario, y código determinista impone el tamaño de los niveles y el orden de clasificación. Los usuarios pueden corregir juicios mediante una cadena de auditoría solo de anexado, que actualiza una política de preferencias inspeccionable.

En el Agent Memory Benchmark, el auto‑modelo alcanzó un 90,9 % de precisión global frente al 82,8 % de una línea base de generación aumentada por recuperación, y el seguimiento de hechos cambiados subió al 100 % desde el 60 %. La seguridad en tiempo de ejecución es aplicada por NVIDIA OpenShell, que aísla al agente y regula el acceso al sistema de archivos, procesos y red mientras mantiene las credenciales fuera del sandbox. El blog enlaza a una receta pública de Jefe de Oficina impulsado por memoria y a una propuesta de diseño en el repositorio GitHub NVIDIA/nemoclaw‑community para que los desarrolladores la adapten.