🤖 AI

MARS: Modular Agent with Reflective Search for Automated AI Research

MARS es un marco novedoso para la investigación autónoma de IA que supera los cuellos de botella de la ingeniería compleja de aprendizaje automático mediante la integración de una planificación de búsqueda en árbol de Monte Carlo consciente del presupuesto, una pipeline modular de diseño-descomposición-implementación y una memoria reflexiva comparativa para lograr un rendimiento de vanguardia en MLE-Bench.

Autores originales: Jiefeng Chen, Bhavana Dalvi Mishra, Jaehyun Nam, Rui Meng, Tomas Pfister, Jinsung Yoon

Publicado 2026-05-21

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Jiefeng Chen, Bhavana Dalvi Mishra, Jaehyun Nam, Rui Meng, Tomas Pfister, Jinsung Yoon

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando ganar una competencia de cocina de alto riesgo, pero tienes una regla muy estricta: solo tienes 24 horas para cocinar, y cada minuto que pasas picando cebollas te cuesta dinero.

La mayoría de los programas informáticos que intentan resolver este problema son como chefs amateurs que empiezan a picar todo a la vez. Escriben una receta gigante y desordenada (un "script monolítico") que intenta hacerlo todo de una sola vez. Si queman la sopa, tiran toda la olla y vuelven a empezar desde cero. No les importa cuánto tarda en hervir el agua; solo quieren que la sopa tenga buen sabor. En el mundo real de la investigación en IA, esto es un desastre porque entrenar modelos de IA es como hervir una olla gigante de sopa: requiere mucho tiempo y electricidad.

El artículo introduce MARS (Agente Modular con Búsqueda Reflexiva), que es como un Chef Maestro con un Equipo de Especialistas y una Libreta Inteligente.

Así es como funciona MARS, desglosado en tres partes simples:

1. La Búsqueda "Consciente del Presupuesto" (El Planificador Inteligente)

Imagina que estás jugando un juego de "Adivina la Mejor Receta", pero tienes un presupuesto limitado para ingredientes y tiempo.

La Vieja Forma: Pruebas cada receta que se te ocurra, incluso si una tarda 10 horas en cocinarse. Si sabe ligeramente mejor, la eliges, incluso si te quedas sin tiempo para cocinar nada más.
La Forma MARS: MARS utiliza una estrategia llamada MCTS Consciente del Presupuesto. Piensa en esto como un planificador inteligente que mira el reloj. Si la Receta A tarda 1 hora y sabe "aceptable", y la Receta B tarda 10 horas y sabe ligeramente mejor, MARS elige la Receta A. Sabe que desperdiciar 9 horas en una mejora mínima es un mal negocio. Constantemente se pregunta: "¿Vale la pena esta mejora el tiempo y dinero extra?".

2. Construcción Modular (La Línea de Ensamblaje)

En lugar de escribir una sola receta de 50 páginas, MARS divide el proceso de cocina en estaciones pequeñas y separadas.

La Vieja Forma: Un chef escribe un único script confuso. Si la salsa está mal, tienen que reescribir todo el documento de 50 páginas para arreglarlo.
La Forma MARS: MARS utiliza una tubería de "Diseño-Descomposición-Implementación". Asigna diferentes "agentes" (chefs especialistas) a tareas específicas:
- Agente A maneja las verduras (datos).
- Agente B maneja las especias (arquitectura del modelo).
- Agente C maneja la cocción (entrenamiento).
  Si la salsa está demasiado salada, MARS solo cambia las instrucciones del "Agente de Especias". No toca las verduras ni la carne. Esto hace que el código sea más fácil de arreglar, más fácil de probar y mucho menos propenso a hacer que todo el sistema se bloquee.

3. Memoria Reflexiva Comparativa (La Libreta "¡Ajá!")

Esta es la parte más mágica. En una cocina normal, si un plato falla, quizás solo digas: "Eso no funcionó", y sigas adelante.

La Vieja Forma: Los agentes de IA a menudo olvidan por qué falló un plato. Podrían cometer el mismo error de nuevo porque no aprendieron la causa específica.
La Forma MARS: MARS mantiene una "Memoria Reflexiva Comparativa". Cuando un nuevo plato sale mejor que el anterior, MARS no solo dice "Buen trabajo". Actúa como un detective. Compara la exacta diferencia entre la receta antigua y la nueva.
- Ejemplo: "¡Ah! El nuevo plato es mejor porque añadimos una pizca de sal y lo cocinamos 2 minutos más. La sal fue la clave, no el tiempo."
- Lo anota como una "Lección". Más tarde, si intenta un plato completamente diferente, puede decir: "Oye, aprendí que la sal ayuda con este tipo de problema", y aplicar esa lección a una rama totalmente diferente de la búsqueda.
- El artículo encontró que el 63% de las lecciones que usó MARS provenían de estas "transferencias entre ramas", lo que significa que aprendió de un tipo de problema y lo aplicó con éxito a uno diferente. Este es el momento "¡Ajá!".

El Resultado

Los investigadores probaron MARS en MLE-Bench, que es como una competencia de cocina gigante y difícil con 75 desafíos diferentes (desde analizar texto hasta reconocer imágenes).

La Competencia: Otros agentes de IA (como AIDE o AIRA) intentaron resolver estos problemas pero a menudo se atascaron, escribieron código desordenado o desperdiciaron tiempo en experimentos costosos que no dieron frutos.
El Ganador: MARS ganó más medallas (Oro, Plata, Bronce) que cualquier otro sistema de código abierto. No solo tuvo suerte; fue más eficiente. Encontró mejores soluciones más rápido al no desperdiciar tiempo en experimentos costosos y de bajo valor, y al aprender de sus errores de manera estructurada.

En resumen: MARS es un investigador de IA que no solo "prueba cosas al azar". Planifica su tiempo cuidadosamente, divide los problemas grandes en piezas pequeñas y manejables, y mantiene una libreta detallada de exactamente por qué funcionaron o fallaron las cosas, permitiéndole aprender y mejorar mucho más rápido que sus competidores.

Resumen Técnico: MARS (Agente Modular con Búsqueda Reflexiva) para la Investigación Automatizada de IA

1. Declaración del Problema

La automatización de la investigación en IA enfrenta un cuello de botella crítico en la ejecución de tareas complejas de Ingeniería de Aprendizaje Automático (MLE). A diferencia de la ingeniería de software general, donde la corrección suele ser binaria y la verificación es computacionalmente económica, MLE es un esfuerzo probabilístico e intensivo en recursos. Requiere navegar un paisaje definido por:

Evaluación Computacionalmente Costosa: El entrenamiento de modelos y el procesamiento de datos consumen vastos recursos, haciendo que el "ensayo y error" sea costoso.
Atribución Opaca del Rendimiento: Cuando un experimento produce mejores resultados, aislar los factores causales específicos (asignación de crédito) es difícil.
Complejidad Arquitectónica: Los repositorios de investigación requieren una interacción fluida entre la carga de datos, la arquitectura del modelo y los bucles de entrenamiento.

Los agentes actuales de Modelos de Lenguaje Grande (LLM) luchan en este dominio. Suelen generar scripts monolíticos que ignoran los costos de ejecución, carecen de la modularidad necesaria para una ingeniería rigurosa y fallan en aprender efectivamente de ensayos pasados debido a su incapacidad para resolver el problema de la asignación de crédito.

2. Metodología: El Marco MARS

MARS (Agente Modular con Búsqueda Reflexiva) reformula el proceso de investigación como una búsqueda de un repositorio de software óptimo. Se basa en tres pilares fundamentales diseñados para abordar las restricciones específicas del descubrimiento científico autónomo:

A. Planificación Consciente del Presupuesto (MCTS Consciente de Recursos)

Para abordar el alto costo de la evaluación, MARS emplea una Búsqueda en Árbol de Monte Carlo (MCTS) con restricciones de costos. A diferencia de los algoritmos de búsqueda estándar que optimizan únicamente el rendimiento de la tarea, MARS integra una Función de Recompensa Guiada por la Eficiencia directamente en el árbol de búsqueda.

Mecanismo: La función de recompensa $R(v)$ equilibra las ganancias de rendimiento ( $G(v)$ ) con la latencia de ejecución ( $t(v)$ ), penalizando las soluciones que exceden los presupuestos de tiempo o son computacionalmente ineficientes.
Espacio de Acciones: El árbol de búsqueda utiliza tres operadores:
1. Borrador: Generar una nueva solución desde cero.
2. Mejora: Modificar nodos válidos para maximizar los objetivos.
3. Depuración: Resolver errores de tiempo de ejecución en nodos fallidos.
Resultado: Esto permite al agente priorizar soluciones eficientes (por ejemplo, una ejecución de entrenamiento de 1 hora sobre una de 4 horas con rendimiento comparable), optimizando la tasa de descubrimiento dentro de un presupuesto fijo.

B. Construcción Modular

MARS reemplaza la scripting frágil y monolítica con una arquitectura de software estructurada a nivel de repositorio.

Pipeline: Emplea un flujo de trabajo de "Diseño-Descomposición-Implementación" que involucra agentes especializados:
1. Generación de Ideas: Articula un plan integral en lenguaje natural.
2. Descomposición de Módulos: Analiza el plan en módulos funcionales lógicos e independientes.
3. Implementación de Componentes: Implementa y valida secuencialmente los módulos.
Refinamiento Basado en Diff: Las modificaciones de código se estructuran en un formato diff estandarizado, permitiendo actualizaciones atómicas y multiarchivo. Este enfoque supera los límites de tokens, reduce el ruido de contexto, habilita el almacenamiento en caché y reutilización de código, y mejora significativamente la capacidad de prueba al localizar la depuración en archivos específicos.

C. Memoria Reflexiva Comparativa

Para resolver el problema de la asignación de crédito, MARS introduce un mecanismo de Memoria Reflexiva Comparativa que destila conocimientos causales de alta señal del proceso de exploración.

Destilación de Lecciones: En lugar de simplemente resumir registros, el sistema realiza un análisis comparativo entre la solución actual y la mejor solución conocida. Aísla los cambios algorítmicos específicos que impulsan los cambios de rendimiento.
Tipos de Lecciones:
- Lecciones de Mejora de Solución: Derivadas de soluciones válidas, identifican cambios causales y reglas generalizadas.
- Lecciones de Depuración: Derivadas de ejecuciones fallidas, explican la lógica del fallo y proporcionan pautas para prevenir errores similares.
Utilización: El agente retiene las lecciones más recientes en memoria y las cita explícitamente al aplicarlas a nuevas soluciones, facilitando la transferencia de conocimientos entre ramas.

3. Contribuciones Clave

Introducción del Marco: La propuesta de MARS, un marco optimizado explícitamente para la investigación autónoma de IA al combinar MCTS consciente del presupuesto, un pipeline de implementación modular y Memoria Reflexiva Comparativa.
Rendimiento de Vanguardia: Una evaluación exhaustiva en la prueba MLE-Bench demuestra que MARS alcanza un rendimiento de vanguardia entre marcos de código abierto bajo configuraciones comparables, manteniendo la competitividad con los líderes globales en las listas de clasificación.
Momentos Cualitativos "¡Ajá!": El sistema exhibe avances cualitativos donde el 63% de las lecciones utilizadas provienen de la transferencia entre ramas, demostrando la capacidad del agente para generalizar efectivamente conocimientos a través de diferentes rutas de búsqueda.
Lanzamiento Abierto: Los autores publican prompts, código generado y trayectorias para facilitar la investigación futura.

4. Resultados Experimentales

La evaluación se realizó en MLE-Bench, que comprende 75 competiciones desafiantes de Kaggle en NLP, visión por computadora y datos tabulares.

Métricas de Rendimiento: MARS logró la tasa más alta de Medallas de Oro (31.1%) entre todos los agentes reportados en la evaluación controlada.
Competitividad:
- Utilizando Gemini-3-Pro-Preview, MARS logró una tasa de Medalla Cualquiera del 56.0% y una tasa por Encima de la Mediana del 65.8%.
- La variante escalada, MARS+ (utilizando 2 GPUs H100), logró una tasa de Medalla Cualquiera del 62.7% y una tasa de Medalla de Oro del 33.8%, superando a competidores fuertes como ML-Master 2.0.
Estudios de Ablación:
- Descomposición Modular: Eliminar este componente degradó significativamente el éxito, validando su papel en la reducción del ruido de contexto y la mejora de la capacidad de prueba.
- Mecanismos de Memoria: La eliminación completa de la memoria causó una caída drástica en el rendimiento. Se demostró que la destilación comparativa es esencial para aislar factores causales en comparación con el análisis empírico simple.
- MCTS Consciente del Presupuesto: La estrategia de búsqueda propuesta superó consistentemente al MCTS Vanilla y a la Búsqueda Codiciosa, confirmando que penalizar el tiempo de ejecución mejora el descubrimiento de soluciones óptimas.
Eficiencia de Costos: Una versión de 4 horas de MARS logró una tasa de Medalla Cualquiera más alta (28.4%) mientras gastaba significativamente menos ($9.6) que las líneas base de 24 horas, demostrando que las ganancias de rendimiento provienen de la eficiencia arquitectónica y no meramente de un aumento en la asignación de recursos.

5. Significado y Afirmaciones

El artículo afirma que MARS aborda las limitaciones de los agentes autónomos actuales en la investigación de IA a largo plazo al tratar la investigación como un desafío de ingeniería riguroso a nivel de repositorio. Al integrar planificación consciente de recursos, construcción modular y memoria reflexiva comparativa, MARS resuelve efectivamente el problema de la asignación de crédito mientras equilibra la exploración con la eficiencia computacional.

Los autores afirman que este enfoque estructurado, que imita la previsión estratégica de los ingenieros humanos, permite un rendimiento de vanguardia en tareas complejas de Ingeniería de Aprendizaje Automático. La capacidad del sistema para experimentar momentos "¡Ajá!" a través de la transferencia de lecciones entre ramas sugiere un movimiento hacia agentes que no solo pueden ejecutar código, sino también aprender y generalizar conocimientos científicos de manera autónoma.

El artículo reconoce limitaciones, señalando que la evaluación está actualmente restringida a MLE-Bench y que el costo computacional de la búsqueda iterativa y la destilación sigue siendo una barrera. Se propone trabajo futuro para extender el marco a dominios científicos más amplios y optimizar la viabilidad económica mediante el almacenamiento en caché avanzado de contexto y la detención temprana.