Dream-RSI de Google DeepMind aide les agents d’IA à progresser en « rêvant » de leurs tentatives passées
decoder ·
Des chercheurs de Google et de DeepMind ont mis au point Dream-RSI, une méthode qui aide les agents d’IA à choisir de meilleures stratégies de recherche pour des tâches d’optimisation difficiles, sans modifier le modèle sous-jacent. Elle enregistre les tentatives des agents et leurs résultats dans un arbre de recherche, puis rejoue cet historique afin de tester d’autres décisions sans générer ni évaluer de nouveau les solutions. Ce processus de « rêve » alterne avec des recherches en direct, ce qui permet de comparer à moindre coût des milliers de stratégies avant d’utiliser la plus prometteuse. Testé avec Gemini 3.1 Pro et Gemini 3.7 Flash sur huit tâches dans trois domaines, Dream-RSI a produit des résultats plus rapides ou meilleurs avec moins de tentatives. Pour une tâche d’optimisation de programme, Gemini 3.1 Pro a réduit le temps d’exécution moyen de 3 587 à 2 931 millisecondes et le nombre de tentatives de 550 à 317, tout en surpassant SimpleTES, qui nécessitait 51 200 exécutions. La méthode a également égalé les performances sur des noyaux GPU avec jusqu’à 2,43 fois moins d’exécutions, ou atteint des performances jusqu’à 2,09 fois supérieures avec le même budget. Une analyse complémentaire a révélé que transformer les historiques de recherche en instructions explicites pouvait parfois restreindre l’exploration, et les chercheurs ont partagé le code ainsi que des informations supplémentaires sur GitHub.
decoder