I ricercatori Google usano la cronologia di ricerca dell'IA per ridurre i costi del miglioramento automatico
aiinsider ·
I ricercatori di Google hanno sviluppato Dream-RSI, un framework che sfrutta la cronologia delle ricerche di un agente AI per ridurre i costi associati alla scoperta automatizzata e all'auto-miglioramento. Invece di riaddestrare il modello sottostante, il sistema registra le ricerche precedenti come alberi contenenti esiti e costi computazionali, consentendo agli agenti di testare strategie di esplorazione alternative in un ambiente di replay simulato. Questo approccio consente di selezionare politiche più efficienti per le future ricerche live senza ripetere esperimenti costosi. Nei test condotti su otto compiti che coinvolgono ingegneria algoritmica, ottimizzazione matematica e programmazione GPU, Dream-RSI ha eguagliato o superato i metodi concorrenti riducendo significativamente il numero di chiamate richieste all'agente AI. Ad esempio, nella progettazione di algoritmi statistici, il sistema ha ottenuto tempi di esecuzione più rapidi utilizzando meno della metà delle chiamate all'agente rispetto alle politiche di esplorazione fisse. Lo studio evidenzia che migliorare il modo in cui un'AI alloca le risorse durante una ricerca può essere più efficace che affidarsi a indicazioni scritte di alto livello derivanti da tentativi passati. Tuttavia, il metodo è limitato dalla sua incapacità di prevedere gli esiti per i rami non esplorati, sebbene offra un percorso pratico verso un auto-miglioramento ricorsivo più efficiente.
aiinsider