Pesquisadores do Google usam o histórico de busca da IA para reduzir o custo da auto-melhoria
aiinsider ·
Pesquisadores do Google desenvolveram o Dream-RSI, uma estrutura que utiliza o histórico de buscas de um agente de IA para reduzir os custos associados à descoberta automatizada e à autoaperfeiçoamento. Em vez de retreinar o modelo subjacente, o sistema registra as buscas anteriores como árvores contendo resultados e custos computacionais, permitindo que os agentes testem estratégias alternativas de exploração em um ambiente de replay simulado. Essa abordagem possibilita a seleção de políticas mais eficientes para buscas futuras ao vivo, sem a necessidade de repetir experimentos dispendiosos. Nos testes realizados em oito tarefas envolvendo engenharia de algoritmos, otimização matemática e programação de GPU, o Dream-RSI igualou ou superou métodos concorrentes enquanto reduzia significativamente o número de chamadas necessárias ao agente de IA. Por exemplo, no design de algoritmos estatísticos, o sistema alcançou tempos de execução mais rápidos utilizando menos da metade das chamadas ao agente em comparação com políticas de exploração fixas. O estudo destaca que melhorar a forma como uma IA aloca recursos durante uma busca pode ser mais eficaz do que depender de orientações escritas de alto nível baseadas em tentativas anteriores. No entanto, o método é limitado pela incapacidade de prever resultados para ramos não explorados, embora ofereça um caminho prático rumo a um autoaperfeiçoamento recursivo mais eficiente.
aiinsider