Un artículo de investigación presenta un método para que los agentes de IA no se limiten a memorizar sus pruebas. RRSI reduce las ganancias en tareas conocidas, pero mejora resultados en benchmarks inéditos y utiliza menos tokens que la autooptimización sin regularizar.
***
- RRSI limita cuántos cambios puede proponer un agente y exige que cada modificación aporte una mejora medible.
- En cinco benchmarks inéditos, el método mejoró hasta 4,7 puntos y no quedó por debajo del sistema base.
- El harness optimizado también elevó de 11,2 a 14,6 puntos la precisión de Gemini 3.1 Flash Lite en una prueba de programación.
🤖 Google propone frenar que agentes de IA memoricen sus pruebas
RRSI limita los cambios en sus instrucciones y herramientas para reducir el sobreajuste.
En cinco benchmarks inéditos, mejoró hasta 4,7 puntos y usó cerca de 30% menos tokens que la optimización sin… pic.twitter.com/lKATm8LItt
— Diario฿itcoin (@DiarioBitcoin) October 4, 2026
Google prueba cómo evitar que los agentes de IA memoricen sus exámenes
El harness, una pieza clave del rendimiento de los agentes
Los agentes de inteligencia artificial no dependen únicamente del modelo de lenguaje que responde a sus instrucciones. También operan mediante un harness, un conjunto de prompts, herramientas, flujos de trabajo, memoria y reglas que determina qué información recibe el modelo y cómo actúa en cada paso. Ese marco puede guiar al agente para que consulte el archivo adecuado antes de editarlo, se recupere de un error o entregue el resultado de manera ordenada.
Un artículo de investigación, titulado “RRSI: Regularized Recursive Self-Improvement of Agent Harnesses”, examina cómo mejorar ese componente sin modificar el modelo subyacente. Sus autores señalan que buena parte del avance reciente en agentes surge de ajustar el harness, más que de cambiar los modelos de lenguaje. Durante años, equipos humanos revisaban ejecuciones fallidas y corregían manualmente las instrucciones o herramientas que habían contribuido al problema.
Los métodos más recientes automatizan ese ciclo: un modelo propone cambios al harness y utiliza los resultados de tareas de prueba para volver a modificarlo. Los investigadores describen este proceso como una forma práctica de mejora recursiva automática, porque el sistema genera retroalimentación que influye en el marco que, a su vez, controla su comportamiento. La posibilidad de repetir el proceso permite optimizar instrucciones y procedimientos con menos intervención manual.
Sin embargo, esa misma repetición puede sesgar el resultado. Cuando el agente se evalúa una y otra vez con un conjunto limitado de tareas, las modificaciones pueden terminar ajustándose demasiado a esos ejercicios específicos, en lugar de mejorar habilidades transferibles. El problema no se limita a una caída en los resultados: también puede hacer que una puntuación alta en pruebas conocidas ofrezca una imagen engañosa de la capacidad del agente.
RRSI limita los cambios para contener la memorización
El método propuesto se llama RRSI, sigla de Regularized Recursive Self-Improvement of Agent Harnesses, y busca reducir ese sobreajuste en dos partes del proceso. Primero, restringe cuántas ediciones independientes puede agrupar el agente dentro de una propuesta. Ese presupuesto disminuye con el tiempo: al principio permite cambios más amplios y, en rondas posteriores, favorece modificaciones pequeñas que puedan relacionarse con un resultado concreto.
La estrategia pretende que cada ajuste resulte más fácil de evaluar y de revertir si no funciona. En vez de reescribir continuamente varias partes del harness de una sola vez, el sistema avanza hacia cambios más acotados a medida que progresa la optimización. Así, los investigadores buscan reducir la posibilidad de que una mejora aparente provenga de una combinación difícil de explicar o de una adaptación accidental a las tareas del entrenamiento.
RRSI también registra los intentos anteriores para evitar que el agente persiga repetidamente ideas que ya fracasaron. Cuando el progreso se estanca, puede explorar partes del harness que todavía no ha modificado, en lugar de insistir en las mismas soluciones. Este mecanismo amplía la búsqueda sin convertir cada nueva ronda en una repetición automática de los cambios ya evaluados.
La segunda barrera aparece al decidir qué propuestas se incorporan de forma permanente. Un crítico revisa cada cambio y descarta aquellos que incluyan nombres de tareas, soluciones u otros atajos asociados directamente con un benchmark específico. Además, el sistema solo acepta un aumento del costo computacional si ese gasto viene acompañado por una mejora de rendimiento medible, y elimina componentes que ya no aportan beneficios.
Menores ganancias conocidas, mejores resultados inéditos
Los investigadores evaluaron el método en ocho benchmarks relacionados con programación, tareas de oficina realizadas por agentes y diseño de ingeniería. Mantuvieron congelado el modelo subyacente durante todo el experimento, por lo que los cambios de rendimiento correspondieron al harness y no a una actualización de los pesos del modelo. El equipo comparó RRSI con el harness original y con cuatro métodos recientes de optimización.
Según los resultados presentados, RRSI obtuvo una mejora de hasta 14,1 puntos en las tareas de entrenamiento y de hasta 4,7 puntos en cinco benchmarks que no había visto. También consumió alrededor de un 30% menos de tokens durante la ejecución que la versión sin regularización. En las tareas inéditas, el rendimiento no cayó por debajo de la línea base en ninguno de los benchmarks evaluados.
El contraste con otros métodos ayuda a explicar el objetivo de las salvaguardas. Todas las variantes lograron buenos resultados en las tareas usadas para entrenar la optimización, pero el panorama se invirtió al pasar a ejercicios nuevos: dos métodos incluso quedaron por debajo del harness base. RRSI registró la menor ganancia en entrenamiento entre las variantes comparadas y, al mismo tiempo, fue la única que superó claramente la línea base en las tareas inéditas.
La investigación también destaca JobBench como el benchmark no visto donde RRSI consiguió su mayor mejora, de 4,7 puntos. Entre los harness optimizados, el método requirió menos tokens y pasos y rindió mejor en tareas nuevas, aunque el harness base sin modificar siguió siendo más ligero. Esa distinción importa porque el objetivo no consiste simplemente en reducir el gasto, sino en equilibrar costo y capacidad de generalización.
Un harness optimizado puede beneficiar a modelos más débiles
Los investigadores probaron además si un harness ajustado con un modelo potente podía ayudar a otro de menor capacidad sin modificarlo. Un harness de programación optimizado con Gemini 3.5 Flash elevó la precisión de Gemini 3.1 Flash Lite de 11,2 a 14,6 puntos. El experimento sugiere que algunas mejoras del marco de trabajo pueden transferirse entre modelos, aunque el sistema que las descubrió y el que las utiliza no sean iguales.
Los mecanismos identificados, según los autores, no dependen exclusivamente de la capacidad del modelo que los encontró. En ese caso, el modelo más débil recibió el harness optimizado sin que los investigadores alteraran sus parámetros. El resultado amplía la relevancia práctica de la propuesta, pero no demuestra por sí solo que cualquier ajuste vaya a beneficiar por igual a todos los modelos o tareas.
El trabajo tiene un límite importante: estudia harnesses construidos alrededor de modelos congelados y no aborda escenarios en los que también cambian los pesos del modelo. Por eso, los resultados describen una forma de optimización del entorno operativo del agente, no un proceso completo de autoaprendizaje que transforme simultáneamente el modelo y sus herramientas. Los autores sostienen que la mejora resulta fiable cuando la retroalimentación repetida se convierte en cambios duraderos.
El código del método está disponible en GitHub. La conclusión central es que la autooptimización puede elevar puntuaciones, pero esas cifras no bastan para probar una mejora general si el agente solo aprende a responder a los mismos ejercicios. Al limitar las modificaciones, revisar los atajos y exigir beneficios que justifiquen el cómputo adicional, RRSI busca que las mejoras sobrevivan al paso desde las pruebas conocidas hacia tareas nuevas.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
Educación
Distritos escolares de EE. UU. amenazan con dejar de usar Google Search por la integración con Gemini
Hardware
Un fallo reportado en controladores GeForce podría escribir hasta 30 GB por hora en los SSD
AltCoins
VVV avanza 3,30% el 18 de noviembre de 2026, pero sigue bajo sus medias largas
Adopción
