Google e DeepMind Apresentam Dream-RSI: Um Ciclo de Autoaperfeiçoamento Recursivo para Agentes de IA
Pesquisadores da Google e DeepMind lançaram o Dream-RSI, um sistema que permite a agentes de IA otimizar suas estratégias de exploração ao reavaliar tentativas passadas e testar milhares de alternativas de baixo custo. A abordagem reduziu os custos de busca em até 162 vezes, mantendo ou melhorando os resultados em design de algoritmos, otimização matemática e criação de kernels GPU.
Pesquisadores da Google e do DeepMind apresentaram o Dream-RSI, um sistema no qual um agente de IA aprimora sua forma de explorar tarefas. Para isso, o agente revisa suas tentativas anteriores, testa economicamente milhares de estratégias alternativas e seleciona as mais bem-sucedidas para a próxima rodada.
Em tarefas envolvendo desenvolvimento de algoritmos, otimização matemática e criação de kernels GPU, o sistema preservou ou melhorou a qualidade dos resultados enquanto reduzia significativamente o custo de busca. Em um experimento específico, o número de chamadas ao agente foi reduzido por um fator de 162.
É importante notar que o sistema melhora a própria estratégia de exploração, e não os pesos do modelo.
O artigo está disponível no arXiv: https://arxiv.org/pdf/2609.14858.
Por que isso importa
AnáliseDemonstra um caminho para uma IA mais eficaz ao otimizar o processo de pesquisa, em vez de apenas escalar os pesos do modelo. Isso pode tornar tarefas agênticas mais baratas e rápidas para problemas complexos de engenharia e matemática.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
Gradient Deck: biblioteca de design de 1.270 sites reais para agentes de IA
O Gradient Deck reúne descrições de design de mais de 1.270 sites reais e permite baixar um design.md para agentes de IA.
Desenvolvedor do Ghostty adiciona regra de provocação para agentes de IA no AGENTS.md
O arquivo AGENTS.md do Ghostty pede que agentes de IA incluam um arquivo provocador ao criar pull requests; o Turborepo usa uma regra semelhante.
Projetos do Claude Code: como um único IA coordena uma equipe de agentes autônomos
Análise aprofundada dos Projetos do Claude Code: arquitetura Coordinator e Threads, branches paralelas, memória compartilhada MEMORY.md e gerenciamento de agentes na nuvem.
Agentes de IA (Agentes Autônomos)
Sistemas de software baseados em LLMs, capazes de perceber autonomamente o estado do ambiente, decompor objetivos complexos, invocar ferramentas externas e corrigir iterativamente os seus próprios erros.