EDICIÓN Nº 069 · Domingo 22 nov 2026
Ciencia

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.

Redacción2026-11-12inteligencia artificial · buscadores · agentes de IA · RAG · Nature Communications
Ciencia

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.

FuentesResumen propio de la redacción a partir de las fuentes citadas; no es una traducción. Licencia de la fuente: cc-by.

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.

💬 Comentarios

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.

Sigue leyendo

Curiosidades

Un abad medieval acabó en un ataúd romano de segunda mano (y nadie lo sabía)

Catherine, Duke of Buckingham monument, Westminster Abbey 04

El sarcófago romano de la abadía de Westminster guardaba un esqueleto desde hace siglos. Una datación nueva apunta a un abad del siglo XI que se metió en un ataúd con 600 años de uso.

Reciclar está muy bien. Reutilizar un táper, un bote de cristal o una caja de mudanza es de persona responsable. Reutilizar un ataúd romano con más de seis siglos de antigüedad ya es otro nivel. Eso es justo lo que parece que pasó en la abadía de Westminster, en Londres. Un esqueleto que llevaba más de 150 años esperando a que alguien le preguntara el nombre podría tener por fin respuesta, y resulta que el inquilino era un pez gordo.

Juegos

Ubisoft crea Motherbrain, su nuevo estudio de IA generativa para juegos

Logo Ubisoft Montreal

Ubisoft ha abierto Motherbrain, una filial dedicada a aplicar IA generativa a la jugabilidad. Te contamos qué se sabe, de dónde viene y qué sigue en el aire.

Ubisoft ha anunciado una filial nueva con un nombre muy de ciencia ficción: Motherbrain. Se dedicará a la inteligencia artificial generativa aplicada a los videojuegos. La compañía lo comunicó junto a sus resultados del primer semestre de su año fiscal, publicados el 19 de noviembre de 2026, y la noticia ha corrido por los medios especializados. Es una de las búsquedas más repetidas de la semana en torno a la editora francesa. Aquí no hay juego que comprar ni precio que comparar. Lo que hay es un movimiento empresarial que puede cambiar cómo se fabrican algunos de los mundos abiertos más grandes del mercado.

Tecnología

GTA VI sin consola: qué opción sale más barata y qué letra pequeña tiene

Xbox Series S with controller

Con las consolas encarecidas por la escasez de componentes, entrar en GTA VI puede costar de 81 a casi 1.000 euros. Comparamos opciones, cómo funciona el juego en la nube y sus trampas.

GTA VI salió a la venta el 19 de noviembre de 2026 solo en PS5 y Xbox Series X|S. Si no tienes ninguna de esas máquinas, la cuenta se complica. Xataka ha calculado cuánto cuesta jugar gastando lo mínimo y su autor lo resume en una idea: casi ninguna opción es barata. La escasez de componentes, en especial de memoria, que ha provocado la demanda de la inteligencia artificial ha disparado el precio de todas las consolas. Vamos a ordenar las opciones y a mirar cómo funciona por dentro la más económica, porque es la que más condiciones tiene.

Juegos

GTA 6 se cierra en algunas PS5 con el error CE-108255-1 y bloquea la historia

Playstation 5 base edition with controller (original)

Desde su lanzamiento el 19 de noviembre, varios jugadores de PS5 sufren cierres repetidos de GTA 6 con el código CE-108255-1. No hay parche ni explicación oficial por ahora.

Grand Theft Auto VI acaba de llegar a las tiendas y casi todo lo que se oye sobre él es entusiasmo. Pero un grupo de jugadores de PlayStation 5 lo está pasando mal. Desde el estreno del 19 de noviembre hay quejas de cierres repetidos acompañados del código CE-108255-1. A algunos les impiden avanzar en la historia, y a otros incluso pasar de los primeros minutos. Lo han contado medios como IGN, GameSpot y Notebookcheck. Resumimos lo que se sabe y lo que todavía no.