PhAI Labs lanza RSI-Anything: un modelo del mundo guía la autoevolución de la IA en 5 tareas

Investigadores de PhAI Labs publicaron RSI-Anything, un framework de automejora recursiva (RSI) que probaron a la vez en cinco tareas heterogéneas: corrección de bugs, control de un ordenador, planificación de operaciones de laboratorio, optimización de reacciones químicas e investigación del sistema inmunitario. El experimento más revelador es el de código. El equipo no sustituyó el modelo que escribe los cambios ni aumentó el presupuesto de pruebas en línea. Se limitó a incorporar un modelo del mundo que predice las consecuencias de las modificaciones y selecciona las mejores.

La idea: primero predecir, después cambiar

La mayoría de los sistemas de automejora siguen el esquema «generar, ejecutar, ver el resultado». Es un esquema caro. Cada candidato exige una ejecución real: pruebas, una simulación o un experimento en el laboratorio. Cuanto más complejo es el entorno, antes choca esa búsqueda por ensayo y error con el límite del presupuesto.

RSI-Anything traslada parte de ese trabajo al interior del modelo del mundo. El modelo estima a qué llevará un cambio propuesto antes de la costosa verificación. Al entorno real solo llegan los candidatos que el modelo considera prometedores. La tarea del ejecutor sigue siendo la misma: escribir código, pulsar botones, redactar un protocolo. De la selección y de la dirección de la mejora se encarga una capa aparte.

La elección de dominios parece deliberadamente variada. Un bug en un repositorio, la interfaz de un sistema operativo, un protocolo de laboratorio, una reacción en un matraz y el sistema inmunitario tienen algo en común: cada uno ofrece un entorno con retroalimentación en el que la verificación es cara o lenta. Ahí es donde predecir el resultado puede ahorrar más.

Qué mostraron los experimentos

La descripción disponible solo detalla el caso de programación. Las condiciones del experimento están fijadas de forma estricta:

• el modelo que genera el código siguió siendo el mismo;
• el presupuesto de pruebas en línea no se aumentó;
• el único cambio es que el modelo del mundo participa en la predicción del resultado y en la elección de los cambios;
• la comparación se hizo con el mismo ejecutor sin esa capa.

Este diseño elimina las explicaciones más habituales de una mejora: un modelo base más potente y más intentos. Si la mejora se confirma, su origen será la calidad de la selección. Los resultados numéricos, los nombres de los benchmarks y el tamaño de la ganancia no figuran en los materiales disponibles, así que aún es pronto para valorar la magnitud del efecto. Tampoco se han revelado por ahora los detalles de los otros cuatro dominios.

La cautela está justificada por dos motivos. El modelo del mundo puede equivocarse de forma predecible, y entonces la selección consolidaría un error sistemático en lugar de corregirlo. Además, la transferencia del enfoque entre dominios hay que comprobarla en cada uno por separado: una reacción química y un parche de código funcionan de manera distinta, y un framework común no garantiza el mismo beneficio.

Qué deberían comprobar los equipos en la práctica

Para quienes desarrollan agentes, el artículo ofrece una pauta concreta. Si la verificación de candidatos en su entorno es cara (una CI de horas, un banco de pruebas físico, una ejecución de laboratorio), conviene evaluar si se puede entrenar un predictor de resultados con los logs acumulados. Es más barato que aumentar el número de intentos o cambiar el modelo base.

Al evaluar trabajos de este tipo, conviene fijarse en cuatro cosas:

• si el presupuesto de verificaciones reales está fijado y coincide en las variantes comparadas;
• cómo se comporta el modelo del mundo en tareas fuera de la distribución de entrenamiento;
• qué proporción de cambios se selecciona por error y qué ocurre después con ellos;
• si el resultado se reproduce en benchmarks públicos y no solo en conjuntos internos.

Por ahora, RSI-Anything sigue siendo una propuesta de camino general hacia la automejora mediante predicción. Resultará convincente cuando los autores publiquen las tablas completas y el código, y grupos independientes repitan los experimentos al menos en dos de los cinco dominios.