El proyecto Memdoor introduce un sistema multi-agente diseñado para resolver problemas de programación complejos mediante la coordinación de cinco roles de IA distintos: un planificador, dos ideadores, un solucionador y un gestor, con el apoyo de un trabajador de reparación. A diferencia de muchos sistemas agénticos que dependen de historiales de chat largos, este flujo de trabajo requiere que cada agente comience desde un contexto nuevo y se comunique exclusivamente a través de archivos en el disco. Esta 'disciplina de libro mayor' tiene como objetivo mantener la claridad y evitar la degradación del razonamiento que suele ocurrir en las ventanas de contexto largo. El sistema fue probado utilizando el modelo Qwen3.8-27B, que es un modelo de lenguaje grande (LLM) de 27 mil millones de parámetros desarrollado por Alibaba.
El proyecto Memdoor introduce un sistema multi-agente diseñado para resolver problemas de programación complejos mediante la coordinación de cinco roles de IA distintos: un planificador, dos ideadores, un solucionador y un gestor, con el apoyo de un trabajador de reparación.
En una serie de pruebas en el benchmark LiveCodeBench Hard —un conjunto de problemas de codificación difíciles— el flujo de trabajo de Memdoor logró una puntuación media de 9.8 sobre 10 en cinco pasadas sobre los primeros diez problemas. Este rendimiento iguala o supera los resultados de Fable 5, un agente de codificación de alto rendimiento, que obtuvo una puntuación de 8.0 en el mismo conjunto. Los resultados se lograron reconstruyendo un método multi-agente específico (GVS5H) dentro del marco de Memdoor. El sistema opera avanzando a través de un grafo acíclico dirigido (DAG) de pasos: el planificador crea un plan de tareas, los ideadores proponen diferentes enfoques algorítmicos (por ejemplo, un algoritmo demostrable directo frente a una técnica diferente), el solucionador implementa la ruta elegida y un ciclo de revisión/reparación corrige errores basándose en las salidas de las pruebas reales en lugar de en las afirmaciones del modelo.
Si bien los resultados son prometedores, el proyecto destaca limitaciones específicas y compensaciones técnicas en la coordinación multi-agente. Por ejemplo, el agente gestor falló ocasionalmente al reconocer cuándo un programa ya era correcto, lo que provocó rondas de reparación innecesarias o la sobreescritura de código exitoso. Además, el estudio señala que, debido a que los benchmarks datan de principios de 2025, existe la posibilidad de contaminación de datos, donde el modelo podría haber visto los problemas durante su fase de entrenamiento. A pesar de esto, el marco de Memdoor proporciona un método reproducible para lograr una inteligencia de codificación de alto nivel utilizando modelos de pesos abiertos relativamente pequeños, optimizando la forma en que esos modelos interactúan y comparten el estado.