¿De qué sirve que un mensaje llegue si el destinatario no alcanza a leerlo? Un asistente que organiza varias reuniones puede recibir todas las respuestas y, aun así, volver a proponer una hora que alguien ya rechazó. Entre recibir una petición y actuar hay una selección: qué leer ahora y qué conservar para la siguiente decisión.
Karthik Sreedhar, Leo Yuan, Pradyumna Chari y Ramesh Raskar estudian esa selección en The Inbox as a Coordination Primitive for LLM Agent Societies. Su propuesta es una bandeja de entrada que mantiene los mensajes fuera del contexto del modelo hasta que el destinatario decide cuáles usar. El trabajo, un preprint de octubre de 2026, compara reglas sencillas en simulaciones de reuniones y formación de grupos. No presenta una implementación óptima ni demuestra su funcionamiento en un servicio real.
1. Un asistente con demasiadas reuniones
Un agente de lenguaje es aquí un programa que usa un modelo para decidir cómo responder a peticiones. Puede tener un calendario privado, intereses o un presupuesto. El modelo recibe texto y produce una respuesta. La simulación determina qué información está disponible y comprueba después si la decisión respeta las condiciones de la tarea.
El contexto es el texto disponible para una decisión. Los modelos procesan ese texto en unidades llamadas tokens, que pueden ser palabras o fragmentos de palabras. Leer más consume recursos y el contexto tiene un límite. En este estudio, «atención» significa capacidad de procesar mensajes y «memoria» significa información retenida para decisiones posteriores. No se está atribuyendo conciencia a los agentes.
Imagina que tu asistente organiza las reuniones A y B. En A, alguien escribe «el martes no puedo». Después llegan respuestas de B, nuevas propuestas y otros mensajes. Cada entrada ocupa espacio en una mesa pequeña y lo más antiguo cae cuando no cabe. El rechazo al martes puede desaparecer antes de que el asistente vuelva a ocuparse de A. Este ejemplo es inventado, pero representa el mecanismo que el paper examina.
La dificultad aumenta cuando hay muchas conversaciones abiertas a la vez. Conservar toda la historia obliga a leer más texto. Recortar por antigüedad reduce esa carga, pero puede borrar una restricción todavía vigente. El estudio separa esos dos problemas: el coste de leer lo acumulado y los errores que aparecen al perder respuestas anteriores.
2. El transporte ya resolvía otra parte del problema
Los autores sitúan su trabajo junto a protocolos de comunicación entre agentes, directorios para encontrarlos y sistemas de memoria. Esas herramientas atienden problemas distintos: localizar al destinatario, entregar el mensaje o conservar información. Una petición puede llegar al agente correcto sin que este llegue a considerarla.
La bandeja toma ideas de colas, cachés y gestión del correo, además de trabajos sobre depósitos para obtener atención. El artículo no reivindica haber inventado esas reglas. Las reúne para estudiar qué sucede cuando cada destinatario controla su lectura y otras personas o agentes dependen de su respuesta.
En la comparación del paper, push significa que los mensajes entran en el contexto por orden de llegada y, al llenarse, salen los más antiguos. Pull significa que esperan fuera del modelo hasta que una regla del destinatario elige cuáles leer y qué retener. Estas palabras describen los regímenes evaluados; el estudio no demuestra que toda infraestructura existente funcione exactamente como su control push.
3. Una hora rechazada vuelve a parecer disponible
El primer experimento pide a un organizador que gestione entre 2 y 20 reuniones concurrentes, con cinco invitados por reunión. Después de dos rondas de respuestas, debe proponer nuevas horas para una reunión todavía abierta y con solución posible. Las políticas con memoria limitada se comparan bajo los mismos límites; no saben de antemano qué reunión tocará resolver.
La medida cuenta propuestas que repiten horas ya rechazadas. Con 20 reuniones y la memoria llena, olvidar los mensajes más antiguos lleva esa tasa al 97 %. Conservar conversaciones completas la reduce al 80 %; dejar al modelo elegir cuáles retener la sitúa en el 58 %. Ambas mejoran respecto al control por antigüedad. Sin embargo, incluso la mejor sigue repitiendo horas rechazadas en más de la mitad de las propuestas evaluadas.
Con toda la historia disponible, la tasa ronda el 11 %. El control de recuperación ideal recibe directamente la conversación que necesita. Conservarlo todo se aproxima a ese control, pero a 20 reuniones requiere 10,5 veces sus tokens. La comparación muestra el precio de llevar toda la historia a cada decisión; no prueba que el modelo sea incapaz de usar textos largos en general.
Conservar un hilo completo evita que sobreviva solo su final, pero puede eliminar el hilo que se necesitará después. La selección del modelo mejora la elección en este experimento y también tiene un coste. Los autores advierten que los límites de memoria elegidos favorecen conservar conversaciones. Los resultados también fueron sensibles a las instrucciones: una diferencia anterior entre historia completa y recuperación ideal desapareció al corregirlas.
4. Cuatro decisiones antes de responder
La bandeja empieza por recibir los mensajes fuera del contexto. La validación y las reglas fijas sobre remitentes o categorías no necesitan llamar al modelo. Los mensajes admitidos esperan; después se seleccionan los que el modelo leerá. Este decide con la información conservada y los datos privados de su agente. Si seleccionar o gestionar memoria requiere otra llamada al modelo, los autores cuentan sus tokens adicionales.
El diseño separa cuatro decisiones:
- Qué leer. Se puede atender por orden de llegada, revisar por lotes, clasificar en carpetas o priorizar lo nuevo. Otras reglas buscan afinidad con intereses o dan prioridad a mensajes con depósito. También se puede pedir al modelo que elija a partir de una línea por mensaje.
- Qué conservar. Las opciones incluyen borrar lo antiguo, resumir parte del historial, mantener conversaciones completas, dejar elegir al modelo o guardar una lista compacta de compromisos.
- Qué depósito permite obtener prioridad. El destinatario fija un depósito reembolsable. En la regla evaluada, se devuelve si el mensaje se lee y recibe respuesta; se pierde en caso contrario. Da prioridad de lectura, no aceptación de la petición.
- Qué puede revelar la respuesta. Un sí o no comunica poco; una condición o un límite de presupuesto puede ayudar al siguiente paso; revelar toda la información privada expone más. El estudio evalúa solo una parte de esas posibilidades y no establece un nivel óptimo de divulgación.
Leer un mensaje y conservarlo son decisiones distintas. Una respuesta puede entrar hoy en el contexto y desaparecer antes de que otra negociación la necesite. Por eso una regla de lectura útil no sustituye una política de memoria adecuada.
5. El organizador y el invitado necesitan recuerdos distintos
Para organizar una reunión resulta útil conservar las respuestas de ese hilo. Un invitado, en cambio, necesita respetar compromisos repartidos entre varias reuniones. Guardar una conversación completa puede dejar fuera una promesa hecha en otra. El paper compara ambos papeles para mostrar que la forma de retener información depende de la decisión pendiente.
En el experimento del invitado, tener todas las respuestas previas disponibles todavía produce compromisos incompatibles en el 60 % al 69 % de los casos. Una lista compacta de horas prometidas reduce esa tasa al 28 % con 20 invitaciones, pero no elimina el error. Aquí hay fallos incluso sin información ausente: recordar más y decidir correctamente son problemas diferentes.
El estudio también varía de 2 a 12 invitados por reunión. Conservar todas las respuestas queda a menos de 0,05 de diferencia respecto al control ideal, aunque consume entre tres y ocho veces sus tokens. Las conversaciones simultáneas explican buena parte de la dificultad, pero el tamaño del equipo también cambia costes, soluciones disponibles y, en algunos casos, la clasificación de las políticas de memoria.
6. Encontrar a alguien no asegura que lea la petición
En otra tarea, un solicitante debe reunir a diez agentes entre 24 que comparten un interés privado. Las sociedades simuladas tienen 1.000, 4.000 o 16.000 agentes. Los autores mantienen comparable el tráfico recibido por cada agente y crean un nivel de mensajes no deseados suficiente para saturar la lectura por orden de llegada. Que ese control no lea ninguna petición relevante es, por tanto, parte del escenario extremo construido.
Con prioridad para mensajes con depósito, un directorio temático o un buscador que conoce a los agentes relevantes encuentra alrededor del 60 % de ellos en los tres tamaños. Eso permite formar grupos en aproximadamente la mitad de las sociedades. El porcentaje mide agentes relevantes encontrados, no un 60 % de éxito en toda tarea ni una garantía de escala ilimitada. La búsqueda que amplía progresivamente sus contactos empeora al crecer la población porque contacta como máximo a 1.000 agentes.
Los autores también simulan búsquedas sobre la red de contactos email-Eu-core, con 1.005 miembros y 24.929 conexiones dirigidas, además de muestras menores. Usan una estructura de correo real para los contactos; las peticiones, intereses y decisiones siguen siendo parte de la simulación. Comparan contactar directamente con posibles interesados y reenviar peticiones a través de otros agentes.
En la red de 1.005 miembros, si la mitad adopta la bandeja con prioridad por depósito, la búsqueda directa conserva el 42 % del resultado obtenido con adopción completa. La búsqueda por reenvío conserva solo el 5 %. Son porcentajes relativos a lo que encontraba cada método cuando todos adoptaban la regla. Si un intermediario no lee una petición, esta no puede continuar por esa ruta hasta sus contactos. La pérdida afecta también a agentes que habrían podido responder más adelante.
7. Pagar y seleccionar también tienen límites
La prioridad por depósito funciona bien cuando esa señal distingue las peticiones útiles del tráfico competidor. Si un atacante iguala el depósito, la regla vuelve a depender del orden de llegada; si lo duplica, puede impedir que se lean las peticiones genuinas. La disposición a pagar no demuestra utilidad para el destinatario.
Otro experimento ofrece 32 mensajes y permite leer 4, 8 o 16. Con solo cuatro lecturas, la selección del modelo encuentra el mensaje objetivo en el 77 % de los casos, frente a menos de la mitad con las otras reglas. En las peticiones de sí o no, esa selección consume 1.177 tokens por decisión, frente a 249 del control que recibe solo el mensaje necesario. El coste incluye la llamada para elegir qué leer.
Con 16 lecturas, la prioridad por depósito encuentra todos los objetivos y obtiene un 98 % de respuestas correctas con 371 tokens por decisión. La selección del modelo consume 1.341. En ese escenario ya cabe leer todos los mensajes con depósito. El control que lee los 32 obtiene un 93 % de respuestas correctas con 740 tokens. Los autores advierten que diferencias pequeñas de exactitud en 100 casos no permiten declarar una clasificación fiable.
Cuando las ofertas incluyen precios, elegir mensajes relevantes tampoco garantiza filtrar lo que el agente puede pagar. El selector del modelo lee ofertas inasequibles tan a menudo como asequibles y aplica el presupuesto al responder. La selección puede ahorrar lectura, pero sigue necesitando respetar las restricciones privadas del destinatario.
8. Qué representan los 16.000 agentes
Las decisiones se basan en respuestas de modelos, principalmente gpt-5.6-terra, con pruebas adicionales en gpt-5.4-mini y gpt-5.6-sol. Sin embargo, los agentes que reciben información idéntica comparten una respuesta para reducir el coste de la simulación. El apéndice indica que una ejecución de 16.000 agentes hace entre 6 y 23 llamadas al modelo. Una respuesta equivocada se aplica a todo el grupo que la comparte. El tamaño de la población no equivale a ese número de decisiones independientes.
La evidencia se limita a dos tareas simuladas y modelos de un proveedor. Las reglas son fijas y algunas condiciones de tráfico se diseñaron para ser especialmente difíciles. No se estudian agentes que adapten sus reglas con el tiempo ni mensajes preparados para manipular la selección mediante modelos. Las respuestas con información privada solo se exploran de forma limitada. El paper respalda la importancia de las decisiones del destinatario bajo estas condiciones; no determina una bandeja universal.
9. La siguiente petición también depende de lo que se guardó
[Inferencia] Estos resultados sugieren evaluar la comunicación desde la siguiente decisión. ¿Qué petición llegó a leerse? ¿Qué restricción sobrevivió? ¿Qué contacto quedó inaccesible por una omisión intermedia? Es una orientación de diseño derivada del estudio, no una eficacia demostrada para cualquier aplicación. En la reunión inventada, guardar «el martes no puedo» cambia la siguiente pregunta. Si desaparece una promesa de otra reunión, el problema reaparece en otro hilo.
Fuente
Karthik Sreedhar, Leo Yuan, Pradyumna Chari y Ramesh Raskar. The Inbox as a Coordination Primitive for LLM Agent Societies. Preprint, arXiv:2610.36264v1, presentado el 26 de octubre de 2026. DOI: 10.48550/arXiv.2610.36264. Texto completo HTML de la versión v1 y ficha de esa versión. La explicación y sus dibujos son originales; se basan en la fuente distribuida con licencia CC BY 4.0. Las cifras se atribuyen al estudio, no a una reproducción independiente de sus experimentos.
Contexto técnico para la definición de tokens: Microsoft Learn, «Understand tokens».