核心突破：靠“做梦”实现递归自我改进

谷歌DeepMind联合马里兰大学和弗吉尼亚大学，在arXiv上发表了名为Dream-RSI的论文。其核心思路颠覆传统，提出智能体通过记录每一步行动形成一棵“发现树”，并在树上进行模拟推演（即做梦），从而练出更优的探索策略。这种机制下，底层模型权重一字未改，仅通过优化外围的探索逻辑来提升性能。在算法优化任务中，主流进化搜索系统需要跑51200代才能达到的水平，Dream-RSI仅调用317次即达成同等效果；在GPU内核优化中，生成次数暴降了2.43倍。这一成果让网友马克·克雷奇曼惊呼谷歌可能破解了递归自我改进（RSI）。

“要实现递归自我改进，智能体必须学会做梦。而历史，就是它们做梦的世界。”

论文一作郑童（马里兰大学博士生）指出，过去AI在代码和算法设计上进步迅速，如AlphaEvolve系统能发现人类未找到的算法。但这些系统的探索策略全靠人手写死，包括分支算力分配、剪枝时机和并行开启等。当搜索空间变大时，模型即使聪明，若策略差也会浪费算力在死胡同里且不记仇。让策略自己进化理论上可行，但评估成本极高：评估一套策略需重跑几百上千轮发现过程才能打分，耗时数天无人能耗。

架构设计：双层分离与发现树模拟器

Dream-RSI的解法巧妙地将“执行”与“决策”拆分为两层。底层是发现智能体，由Gemini 3.1 Pro或3.7 Flash驱动，负责读取上下文、生成候选代码并交由评估器打分。顶层是轻量编排层，包含一段Python代码作为探索策略，决定从哪个节点继续、开多少并行及何时止损。关键在于，每次真实探索的结果都存入一棵发现树。根节点为初始工作区，子节点记录完整现场（文件系统快照、产物、诊断和得分）。

这棵树构成了模拟器。策略迭代时，无需在真实环境重跑代码，只需在长好的树上“回放”历史。若想测试新策略（如先试A再进C放弃B），只要这些节点在历史中出现过，系统即可直接读取记录进行推演。整个评估过程不调用模型、不跑代码，仅靠读历史完成。论文将这种机制称为“做梦”，类比走迷宫：第一次尝试形成地图，后续在脑中推演路线无需重走。这种设计使得策略改进可以在零真实算力消耗下快速完成。

运行闭环：三阶段循环与策略进化逻辑

Dream-RSI的运行分为三个紧密耦合的阶段，形成闭环。第一阶段是真实探索：用当前最新策略引导智能体在真实环境运行，调用模型、编译执行代码，并将所有路径和反馈追加到历史数据库形成新的探索树。第二阶段是构建模拟器：将更新后的历史转化为可重用的重放模拟器池，供后续评估使用。第三阶段是基于做梦的策略改进：专门的策略开发智能体在模拟器中疯狂“做梦”，修改并重写探索代码，产生上千个候选策略。

在模拟器中打分依据三项指标：本轮找到的最优分数、扣除尝试次数的成本以及并行奖励。得分高的策略意味着“多快好省”。负责修改策略的智能体会盯着当前轨迹、分数及整棵树，直接改写代码并生成多个版本回炉打分。新策略的下限是原地踏步（因为当前策略仍在候选池中），上限则是无限进化。只有当新策略在模拟器上的综合得分高于当前策略时，才会被部署到真实世界。数学上保证了新策略表现绝不会弱于上一代。随着新策略带回更深更广的探索树，模拟器随之进化，梦境更准。

实证数据：算法、数学与GPU内核的显著优势

论文在三个领域实测了Dream-RSI的效果，数据表现惊人。算法工程方面：任务是Lasso正则化路径求解器。使用Gemini 3.1 Pro，Dream-RSI仅调用317次就将平均运行时间从3587毫秒降至2931毫秒。相比之下，固定策略需调用550次才达此水平；基线SimpleTES为获类似结果需生成51200次。换用更便宜的Gemini 3.7 Flash后，消耗1879次调用将时间降至2350.6毫秒。Dream-RSI找出的方案不同于基线的二选一，而是将自适应做进活跃集优化内部：先用强规则筛特征，再用柯西-施瓦茨不等式做KKT剪枝，仅在必要时计算精确梯度。

数学优化方面：在和差问题、圆装填和自相关不等式等离散/几何优化中，Dream-RSI在一千代以内达到或超越极强基线。与需51200代的SimpleTES相比，节省超过50倍计算预算。在圆装填问题上，甚至追平了谷歌自家AlphaEvolve V2的最强纪录。GPU内核工程方面：测试四种内核。在VGG16和LayerNorm的省资源对比中，Dream-RSI达到同等性能所需的生成次数仅为固定探索的2.43分之一和1.79分之一。在ConvDiv和ConvMax的性能对比中，给定相同预算，Dream-RSI优化出的内核性能分别是固定探索的2.09倍和1.44倍。这些结果证明，进化发生在探索层而非模型大小上，小模型同样受益。

反直觉发现：人类引导为何反而更差？

论文中最具争议且反直觉的实验涉及“方向性提示”。研究团队将历史轨迹提炼成高层指导意见，手把手教智能体往哪走。结果在同等预算下，加了人类引导的始终比不加的更差。研究人员还尝试让大模型总结历史经验作为高层指导，结果智能体表现不仅未提升，反而显著差于没有任何指导的原始基线。这一发现挑战了传统AI开发中“注入专家知识”的范式。

背后的原因是：任何总结都是一种压缩。当人类将“路线失败”抽象为简单一句话时，丢失了大量关键信息：如具体失败条件、程度、旁边分支情况及未尝试的可能性。一旦经验被生硬抽象为高层原则，便转化为AI的认知偏见。这导致搜索空间过度约束，扼杀了探索多样性，使AI困在局部最优解中。Dream-RSI的做梦机制不提供空洞真理，而是保存完整过程。过去的失败不再是终点，而是一个可重新进入的空间。AI可以站在历史节点上问：“如果当时换选择会怎样？”这种微观层面的代码级优化，保持了探索空间的开放和多样性。

深层启示：行动轨迹作为AI的核心资产

这一发现引出了关于“AI如何拥有经验”的深层问题。当前多数系统谈记忆本质是记笔记：任务结束后提炼规则，下次检索放入上下文。但Dream-RSI表明，未来高级智能体最重要的资产不仅是训练数据或知识库，还包括大量曾经真实运行过的行动轨迹。过去的工作不再只是消耗的算力，而是成为下一轮研究的基础设施。在日常工作中，总结经验被视为好习惯，但在AI探索场景中，人类总结的高层原则反而成了枷锁。从具体到抽象的过程中，不可避免地丢失了让创新发生的细节和随机性。

“过去做过的工作不再只是消耗掉的算力，而可能继续成为下一轮研究的基础设施。”

这篇论文之所以引起关注，是因为有人相信通往超级智能的通道已被打通。谷歌产品负责人Logan Kilpatrick透露谷歌已看到RSI早期迹象，并以Gemini每三至四周更新为例证。他强调要将算力投向写代码和研究，因为这能加速下一轮训练。但Dream-RSI展示了另一种RSI路径：模型权重不必先变，可通过自我重写外围探索框架来增强能力。这好比研究员智商未变，但经验增加后知道哪些方向值得追、何时换路线。变化的不是脑子本身，而是方法。

结论

Dream-RSI证明了递归自我改进不必依赖模型权重的重新训练。通过构建基于历史探索树的模拟器，AI可以在“做梦”中优化其外围的搜索策略代码。这种机制在算法、数学和GPU内核任务上均展现出远超传统进化搜索的效率，且底层模型保持不变。然而，该系统仍有局限：它无法凭空预测未探索区域的结果，必须定期回到真实环境扩展“梦境”边界。此外，实验表明人类的高层经验总结可能因信息压缩导致认知偏见，反而阻碍探索。未来更强的AI或许不在于更聪明的模型，而在于更擅长记住历史并从中学习如何少走弯路的能力。随着此类技术在Gemini等模型中的应用，AI的自我进化范式正从“训练权重”转向“优化策略”。