Investigadores de Google han desarrollado una nueva técnica de IA, el aprendizaje por refuerzo interno (RL interno), que podría revolucionar los agentes de IA de horizonte temporal largo. El avance, anunciado el 16 de enero de 2026, aborda las limitaciones en la forma en que los grandes modelos lingüísticos (LLM) aprenden el razonamiento complejo. El RL interno dirige los procesos internos de un modelo hacia la resolución de problemas paso a paso, en lugar de depender de la predicción del siguiente token.

El método actual de entrenamiento de los LLM a menudo conduce a alucinaciones y fallos en tareas complejas. El aprendizaje por refuerzo es crucial para el post-entrenamiento, pero la naturaleza autorregresiva de los LLM limita la exploración. El RL interno ofrece una posible solución al guiar las activaciones internas del modelo.

Esta innovación podría allanar el camino para agentes autónomos capaces de manejar razonamientos intrincados y la robótica del mundo real. El beneficio clave es la menor necesidad de supervisión humana constante. El desarrollo marca un paso significativo hacia sistemas de IA más capaces e independientes.

Los LLM tradicionalmente generan secuencias de un token a la vez, lo que dificulta la exploración de diversas estrategias. Los siguientes pasos implican probar y escalar el RL interno para diversas aplicaciones. La comunidad de IA anticipa más investigación e implementaciones en el mundo real.