Un equipo de Google y Google DeepMind presentó Dream-RSI, un método que hace al agente volver a recorrer sus búsquedas pasadas para ensayar estrategias nuevas sin repetir el cálculo. Con Gemini 3.1 Pro, los intentos necesarios en una de las tareas bajaron de 550 a 317, informó The Decoder el 19 de septiembre de 2026.
El punto de partida ya se conocía. Un agente que se automejora propone una solución, evalúa el resultado, aprende de él y vuelve a intentarlo. Miles de rondas después llega a algo bueno. El problema aparece cuando el espacio de búsqueda crece. El agente tiene que decidir a cada paso qué caminos sigue, cuáles corre en paralelo y cuáles abandona. Esa etapa se llama exploración, y de ella depende que la búsqueda termine en un resultado útil o en cómputo quemado detrás de ideas equivocadas.
Hasta ahora había dos caminos y los dos cobran caro. Una estrategia de búsqueda fija no aprende de la experiencia, así que el agente choca una y otra vez contra el mismo callejón sin salida. Adaptarla sobre la marcha evita esa rigidez, pero exige muchos intentos para saber si la estrategia sirve, y ensayar alternativas obliga a repetir corridas largas.
¿Qué hace exactamente Dream-RSI?
Dream-RSI cambia la manera en que el agente busca, no el modelo que trabaja debajo. Mientras explora, el agente va anotando cada intento y cada resultado. Ese registro queda guardado como un árbol de búsqueda, y ahí está el material que después se reutiliza.
Los investigadores lo comparan con andar por un barrio desconocido. La primera vez uno entra en calles cortadas, se devuelve y le cuesta dar con la ruta. Con el mapa ya en la cabeza, en cambio, se puede planificar otro recorrido sin volver a pisar cada esquina.
El método aplica ese principio al historial grabado. En vez de probar una estrategia nueva en una corrida en vivo, el agente la corre contra los resultados almacenados y observa qué habría pasado si hubiera seguido primero otros caminos o si hubiera soltado antes algunos. Durante esa repetición el sistema no inventa soluciones nuevas. Solo ensaya decisiones distintas dentro del árbol que ya tiene registrado.
Como los resultados existen, el agente no necesita generar ni evaluar nada de nuevo, y se ahorra el cómputo caro de una corrida real. Miles de variantes se pueden probar sin volver a llamar al modelo ni al evaluador. Los investigadores le pusieron un nombre a ese proceso, soñar. El agente juega miles de versiones, elige la mejor y recién ahí la lleva a una búsqueda en vivo.
El ciclo se repite. Después de cada búsqueda el agente usa lo registrado para afinar la estrategia, y aplica la versión mejorada en la ronda siguiente. Durante todo el recorrido lo único que cambia es la estrategia de búsqueda. El modelo que genera las soluciones queda intacto.
Las cifras con Gemini 3.1 Pro
Los investigadores probaron Dream-RSI con Gemini 3.1 Pro y Gemini 3.7 Flash sobre ocho tareas repartidas en tres áreas. Cada comparación usó una línea base con las mismas condiciones iniciales y una estrategia de búsqueda fija.
Una de las tareas pedía escribir el programa más rápido posible para un cálculo estadístico que se usa en genómica y en finanzas. El programa que salió de Dream-RSI corrió más rápido que las bibliotecas establecidas sklearn y glmnet en los seis conjuntos de datos de prueba.
| Medida con Gemini 3.1 Pro | Línea base | Dream-RSI |
|---|---|---|
| Tiempo de ejecución promedio | 3.587 ms | 2.931 ms |
| Intentos | 550 | 317 |
La comparación contra otro sistema deja el contraste más nítido. SimpleTES necesitó 51.200 corridas donde Dream-RSI usó 317.
El mismo patrón se repitió en tareas de optimización matemática y en la escritura de kernels eficientes de GPU, con resultados iguales o mejores y mucho menos cómputo. En dos tareas de GPU, Dream-RSI igualó el rendimiento recortando la cantidad de corridas por un factor de hasta 2,43. En otras dos entregó hasta 2,09 veces el rendimiento dentro del mismo presupuesto.
¿Conviene decirle al agente dónde buscar?
En un análisis posterior los investigadores probaron otra forma de aprovechar el historial. En lugar de repetirlo para ensayar estrategias, lo condensaron en instrucciones que le indicaban al agente dónde buscar.
En una de las tareas de GPU, la versión con esas instrucciones rindió peor que la versión sin ellas. Los investigadores atribuyen el resultado a que una indicación demasiado específica angosta el espacio de búsqueda y le impide al agente recorrer un abanico más ancho de enfoques.
Ese mismo análisis mostró cómo la estrategia aprendida regula su propio esfuerzo. A medida que el rendimiento mejoraba, primero recortaba la cantidad de intentos. Cuando el avance se estancaba, volvía a subir el esfuerzo de búsqueda, y ahí aparecían nuevas ganancias. El equipo publicó el código y más detalles en GitHub.
Dónde encaja frente a AlphaEvolve
La automejora recursiva viene acumulando atención. Google DeepMind presentó AlphaEvolve en 2025 con el mismo principio de fondo. Gemini Flash genera propuestas de código, Gemini Pro las analiza y un algoritmo evolutivo selecciona las mejores versiones. Dream-RSI trabaja un nivel más arriba, porque optimiza la estrategia de búsqueda misma.
AutoTTS toma un camino emparentado y usa un agente de programación para buscar algoritmos en un entorno simulado. Esos algoritmos deciden cuándo un modelo de lenguaje debe iniciar, ampliar o abandonar una línea de razonamiento, y los métodos que salieron de ahí superan a los diseñados a mano con menos cómputo.
Google Research mostró hace poco otra manera de reutilizar corridas pasadas con WikiSkill, un sistema que registra fracasos y aciertos en una wiki y los convierte en instrucciones reutilizables para el agente. Meta va más lejos con Hyperagents, donde los agentes pueden reescribir el mecanismo que controla cómo mejoran.
