Entrenar a los buscadores con IA a buscar bien, no solo a acertar la respuesta
Un estudio en Nature Communications presenta RAG-Gym, que evalúa cada paso de búsqueda de los agentes de IA. El resultado son agentes más fiables y que se desenvuelven mejor ante preguntas que no conocían.
Cada vez más gente pregunta directamente a un asistente de inteligencia artificial en lugar de revisar una lista de enlaces. Detrás de muchas de esas respuestas hay agentes de búsqueda: grandes modelos de lenguaje (LLM) que no se limitan a contestar con lo que «recuerdan». Consultan fuentes externas, leen lo que encuentran, deciden qué buscar después y repiten hasta reunir lo necesario. Sobre el papel funciona muy bien. El problema aparece al entrenarlos para que lo hagan bien.
Un trabajo publicado en Nature Communications por un equipo en el que firman, entre otros, Guangzhi Xiong, Qiao Jin y Xiao Wang propone cambiar el punto de partida. En vez de premiar solo la respuesta final, proponen supervisar el propio proceso de búsqueda. Este texto es un resumen propio del artículo, no una traducción.
El problema: premiar solo el acierto final
Hasta ahora, la mayoría de los métodos para entrenar estos agentes se basaban en lo que se llama supervisión por resultado: el sistema recibe una recompensa cuando la respuesta final es correcta y nada más. Es como poner nota a un examen de matemáticas mirando solo el número del final, sin revisar el desarrollo.
Según los autores, ese enfoque tiene dos efectos secundarios importantes:
- Trampas con la recompensa (reward hacking). El agente aprende atajos que le dan la recompensa sin hacer bien la tarea de fondo.
- Exceso de confianza en la memoria interna. El modelo tira de lo que aprendió durante el entrenamiento (su memoria «paramétrica») en lugar de buscar de verdad. Mientras las preguntas se parecen a las de entrenamiento, puede salir bien. Cuando el terreno es nuevo, falla.
Esta segunda consecuencia es especialmente delicada: el agente generaliza peor a tareas «fuera de dominio», es decir, distintas de aquellas con las que se entrenó. Además, generar buenos pasos intermedios de búsqueda, que serían el material ideal para enseñar, es difícil de por sí.
Cómo lo han hecho: RAG-Gym y Re2Search++
Para abordarlo, el equipo ha creado RAG-Gym, un marco de trabajo que traslada la supervisión desde la respuesta final hasta cada paso del proceso de búsqueda. El nombre viene de RAG (retrieval-augmented generation, generación aumentada con recuperación), la técnica con la que un modelo consulta documentos externos antes de responder.
Con este marco, los investigadores estudiaron de forma sistemática tres frentes: cómo diseñar la arquitectura del agente, cómo optimizar sus parámetros y cómo evaluar cada acción que toma. De ese análisis sacaron una conclusión clara: una capacidad crítica para un buen agente de búsqueda es la reflexión sobre su propio razonamiento, es decir, que revise lo que ya sabe y lo que le falta antes de lanzar la siguiente consulta.
A partir de ahí propusieron Re2Search++, un agente entrenado con supervisión del proceso. Lo pusieron a prueba en preguntas de varios saltos (multi-hop): aquellas que solo se pueden responder encadenando varias búsquedas, porque la información necesaria está repartida entre distintas fuentes.
Qué han encontrado
Según el artículo, Re2Search++ logra mejoras sustanciales en estas pruebas de búsqueda de información de varios pasos, sobre todo en escenarios fuera de dominio, justo donde los métodos anteriores flojeaban.
Lo más interesante es de dónde salen esas mejoras. Los autores señalan que se deben principalmente a que el agente formula consultas de búsqueda de mayor calidad, y no a que se haya optimizado únicamente la redacción de la respuesta. Dicho de otro modo, el agente busca mejor, y por eso acierta más.
Hay un segundo hallazgo con aplicación práctica. Los «críticos de búsqueda» que aprende el sistema (los componentes que juzgan si un paso de búsqueda es bueno o malo) se pueden trasladar a otros modelos, incluidos LLM comerciales cuyo funcionamiento interno no es público. Así, un evaluador entrenado una vez podría ayudar a guiar a modelos distintos sin tener que reentrenarlos.
«Supervisar el proceso de búsqueda produce agentes de búsqueda de información más fiables y generalizables», concluyen los autores.
Limitaciones a tener en cuenta
Conviene leer estos resultados con cautela. Las mejoras se han medido en benchmarks, conjuntos de pruebas estandarizados que facilitan comparar métodos pero no reproducen toda la complejidad de la web real, con fuentes contradictorias, desactualizadas o poco fiables. El resumen del artículo tampoco permite saber cuánto cuesta en la práctica generar y evaluar los pasos intermedios a gran escala, ni cómo se comporta el sistema en campos muy especializados que no se hayan probado. Lo que sí deja claro el trabajo es la dirección: evaluar el camino además de la meta.
Por qué importa
Los asistentes que buscan y resumen información por nosotros ya forman parte del día a día, y su mayor riesgo es dar una respuesta convincente pero mal fundamentada. Este estudio indica que enseñarles a buscar bien, y no solo a acertar, los hace más fiables justo ante las preguntas nuevas, que son las que más importan fuera del laboratorio. Que los críticos aprendidos funcionen también con modelos comerciales abre la puerta a aplicar la idea sin reconstruir cada sistema desde cero.
Fuente: Xiong, G., Jin, Q., Wang, X. et al. «Supervising the search process produces reliable and generalizable information-seeking agents». Nature Communications (2026). DOI: 10.1038/s41467-026-78807-z. Acceso abierto, licencia CC BY.
- Supervising the search process produces reliable and generalizable information-seeking agents — Nature Communications
Texto generado con inteligencia artificial a partir de las fuentes citadas, sin revisión humana individual (Reglamento UE 2024/1689, art. 50). Las fotos llevan su crédito y licencia; las marcadas como realzadas se han retocado con IA sin alterar su contenido.
Relacionado
- Un coche autónomo que consulta a Confucio antes de cambiar de carril
- Los modelos de difusión empiezan a crear cuando su memoria se desborda
- Un nuevo examen mide si los agentes de IA saben trabajar en equipo de verdad
- Agentes de IA con memoria: el problema es que no notan cuándo cambia el mundo
- Anterior en Ciencia: Los «puntitos rojos» del Webb podrían ser agujeros negros envueltos en gas
- Siguiente en Ciencia: Ni un solo varón: los dientes de Homo naledi apuntan a una cámara de solo mujeres
Temas: Inteligencia artificial (88) · Agentes de IA (19) · Nature Communications (4)




Comentarios
Para comentar hay que iniciar sesión (Google, X, Facebook, Apple, Microsoft o cuenta de Disqus). Se moderan insultos, spam y datos personales: normas.
Los comentarios los sirve Disqus, un servicio externo que usa cookies propias y de publicidad. Solo se carga si pulsas el botón. Más información.