大家好，这里是最佳拍档，我是大飞。如何实现递归自我改进？答案可能让大家绝对想不到：竟然是靠做梦！最近，谷歌DeepMind联合马里兰大学和弗吉尼亚大学，刚刚在arXiv上发表了一篇论文，名字叫Dream-RSI。核心思路就是：智能体把自己走过的每一步存成一棵树，然后在这棵树里做梦，在梦里练出更优的探索策略，再回到现实继续干活。

效果怎么样呢？在算法优化任务上，主流的进化搜索系统需要跑51200代，Dream-RSI只调用了317次就达到了同等水平。GPU内核优化方面，达到同等性能时生成次数暴降了两点四三倍。而且底层模型权重一字未改，Gemini 3.1 Pro和Gemini 3.7 Flash都可以直接套用。

更有意思的是，论文里还有一个反直觉的结论：人给AI指方向，反而比不指更差。今天我们就来聊聊这篇论文。

论文一挂上arXiv，X上就先炸了。网友马克·克雷奇曼（Mark Kretschmann）直接高呼：谷歌可能刚刚破解了递归自我改进。一作郑童（Tong Zheng）是马里兰大学二年级博士生，今年夏天才以学生研究员身份进入谷歌。他身后是十七人的作者团，包括DeepMind研究员和讲席教授。

郑童在Hugging Face上留了一句话，也是整篇论文的内核：“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。”这句话听着有些诗意，但是它精准地概括了Dream-RSI要解决的问题。

过去几年，AI在代码、数学和算法设计上的能力提升得很快。以AlphaEvolve为代表的系统早就证明了，让编码智能体跑进化搜索能发现人类没找到的算法。它跑的是一个“发现循环”：AI不断提出候选方案、运行实验、根据结果修改方案，再进入下一轮尝试。

一次复杂任务可能经历几百甚至几千轮这样的循环。但是它们有一个死穴：就是探索策略全是靠人手写死的——哪个分支该多分配算力、哪个分支该尽早剪掉、什么时候该开并行，全靠工程师预先定好。

问题在于，当搜索空间越来越大时，模型有多聪明只决定了一部分结果，另一部分取决于它怎么搜索。模型即使有能力找到好的答案，如果探索策略很差，也可能把大量算力砸进死胡同。而且还不长记性！

那让策略自己进化行不行呢？理论上可以，但是问题出在评估成本上。我们通常评估一段候选代码跑一次就知道好坏了；但是评估一套探索策略，得让它带着智能体从头跑完几百上千轮看最后挖出来的东西好不好才能给这套策略打分。

每改一版策略就要重跑一遍整个发现过程，等几天才能出一个分数，没人能耗得起。Dream-RSI的解法则很巧妙：将跑过的过程存下来，评估新策略的时候就不再重跑了，直接拿旧过程回放。

具体来说，它把干什么活和决定怎么干拆成了两层：底层是负责执行的发现智能体由Gemini 3.1 Pro或3.7 Flash驱动，每次接过一个工作区读取上下文改出一版新的候选代码交由评估器打分。

顶层是轻量的编排层，里面装着探索策略——说白了就是一段Python代码决定每一轮从哪个节点继续、一次开多少个并行尝试以及何时止损。底层模型不动，自我进化的对象只有这段策略代码。

这里有个关键设计：每一次真实探索的结果都会存进一棵发现树。根节点是初始工作区，每个子节点记着一次尝试的完整现场包括文件系统快照、生成的产物、评估诊断和得分。这棵树，就是模拟器！

策略要做的决定只有一类：从哪些节点继续、一次开几个。而每个节点往下走会得到什么结果，树里已经记着了。所以策略要迭代的时候不用去真实环境跑代码直接在长好的树上重走一遍历史就行。

如果想试试在这条路上多走两步，就可以读取树里对应的记录；想试试让那条路早点放弃就少读几个节点。整个评估过程不需要调用模型，不用跑一行代码只需要读历史就行了。论文把这种机制就叫做“做梦”。

打个比方，就像走迷宫一样：第一次进入迷宫时AI不知道出口在哪只能不断尝试但过程中也记录了试错过程形成了一张地图。下一次尝试新的走法时不需要真的重新走一遍迷宫而是先对着地图在脑中推演不同路线。

假设新的策略决定先尝试A再进入C最后放弃B，只要A、B、C都已经在之前真实的实验里出现过系统就不需要再重新调用智能体或运行代码了。基于这个思路，Dream-RSI的运行闭环分为三个阶段：

第一阶段是真实探索用当前最新的探索策略来引导智能体在真实环境中运行调用模型、编译并执行代码把探索产生的所有路径、决策和执行反馈记录下来作为一棵新的结构化探索树追加到历史数据库中。

第二阶段是构建模拟器把更新后的历史数据库转化为一个可重用的重放模拟器池。第三阶段是基于做梦的策略改进让一个专门的策略开发智能体在模拟器里开始疯狂做梦不断修改和重写探索策略代码产生上千个候选策略然后在重放模拟器上快速打分。

打分看的是三样东西：一是这一轮梦里找到的最优分数；二是扣掉尝试次数对应的成本；三是并行奖励鼓励策略一轮批量跑多个尝试。得分高的策略，就意味着它多快好省！

负责修改策略的是另一个策略开发智能体。它会盯着当前策略在梦里走过的轨迹和分数、前几版修改的反馈还有整棵发现树，然后直接改写策略代码。一轮改出若干个版本每一版都丢回梦里打分。

得分最高的那一版会成为下一轮的正式策略。这就意味着新策略的下限是原地踏步，上限则是无限进化因为当前策略本身就在候选池里。只有当新策略在模拟器上的综合得分高于当前策略时，新策略才会胜出并被部署。

所以在数学上Dream-RSI部署的新策略表现绝不会弱于上一代。随着新策略回到真实世界探索它会带回更深更广的探索树，模拟器也会随之进化。

策略改好之后上线会发掘新的算法。随着历史变多梦境会更准，策略也会继续进化。树里没有的分支梦里也走不到所以每一轮真实探索都是在给下一轮的梦扩展地盘。

为了检验这套理论的实际效果，论文在三个领域做了实测：第一个领域是算法工程任务是Lasso正则化路径求解器。这是高维统计里的老难题，要求在保证数值正确的前提下把整条路径算得尽可能快。

研究团队用Gemini 3.1 Pro跑Dream-RSI只调用了317次就把求解器的平均运行时间从3587毫秒降到了2931毫秒。同一个模型换成固定策略要调用550次才能到这个水平；基线SimpleTES为了拿差不多的结果一共生成了51200次。

换成更便宜的Gemini 3.7 Flash后模型消耗了1879次调用把运行时间做到了2350.6毫秒。因为进化发生在探索这一层和底层模型大小没关系所以小模型一样能受益。

它挖出的求解器也很有意思：基线的做法是根据问题维度在LARS和坐标下降两种算法里二选一；而Dream-RSI找出来的方案直接把自适应做进了活跃集优化内部。

先用强规则筛一遍特征再用柯西-施瓦茨不等式做KKT剪枝只有当上界判断不了某个特征时才回头计算精确梯度。第二个领域是数学优化差距拉得更大：在和差问题、圆装填和自相关不等式三个极耗算力的离散和几何优化问题中Dream-RSI在一千代以内就达到或超越了极强的基线性能。

与需要51200代算力开销的SimpleTES相比节省了超过50倍的计算预算拿到了同等甚至更优的结果。在圆装填问题上还追平了谷歌自家AlphaEvolve V2的最强纪录。

第三个领域是GPU内核工程也是谷歌自己最在乎的地盘：论文总共测了四种内核。VGG16和LayerNorm比的是省多少把内核优化到和固定探索同样的性能Dream-RSI需要的生成次数分别只有对方的2.43分之一和1.79分之一。

ConvDiv和ConvMax比的是强多少给两边同样的预算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。

接下来这个实验可能是整篇论文里最反直觉的部分：研究团队把之前的历史轨迹提炼成方向性提示塞进提示词里手把手教智能体往哪走。结果有些出乎意料，在同等预算下加了人类引导的始终比不加的更差！

研究人员还尝试了经验总结法让大模型把历史总结成高层指导意见去指导下一轮的探索。结果同样令人大跌眼镜：注入了高层次经验总结的智能体在探索表现上不仅没有提升反而显著差于没有任何指导的原始基线。

背后的原因是什么呢？说到底，任何总结都是一种压缩。“这条路线失败了”虽然是简单的一句话但是这句话丢掉了大量信息：比如在什么条件下失败的、失败到什么程度、旁边还有哪些分支、当时还有哪些可能性没有继续尝试。

一旦你把经验生硬地抽象为高层原则它们立刻就转化为AI的认知偏见导致过度约束搜索空间扼杀探索的多样性让AI困在局部最优解里。而Dream-RSI的做梦机制不提供任何空洞真理，它保存的是完整的过程。

过去的失败不再只是失败变成了一个可以被重新进入的空间AI可以站在同一个历史节点上重新问一次：如果当时换一个选择会发生什么？它直接让新策略去碰撞具体的历史树。

在微观的并行控制、分支优先级和提早停止规则上进行代码级优化这种方式保持了探索空间的开放和多样性反而远胜于前者。这个发现其实引出了一个更深层的问题：AI到底应该怎样拥有经验？

现在很多的AI智能体系统谈记忆本质上还是在记笔记比如在任务结束以后提炼几条规则下次需要时再检索出来重新放进上下文。但是Dream-RSI告诉我们也许未来高级智能体最重要的资产不仅是训练数据、上下文窗口或者知识库还包括大量曾经真实运行过的行动轨迹。

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。在我们日常工作中也一样：总结经验一直被视为一种天经地义的好习惯但是在AI的探索场景里人类总结的高层原则反而成了枷锁。

或许不是经验本身有问题而是从具体到抽象的过程中不可避免地丢失了那些让真正创新得以发生的细节和随机性。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隐秘通道可能已经被打通了。

此前谷歌产品负责人洛根·基尔帕特里克（Logan Kilpatrick）透露过一个重磅消息：谷歌正在死盯前沿并且已经看到了RSI的早期迹象。他拿Gemini 3.5到3.8大约每三到四周一更新作为证据还表示Gemini 4将是迄今最大、最野心勃勃的预训练模型希望借此回到争霸位置。

他强调要把算力和人力投给写代码、做研究、做科学因为这些最可能把下一轮训练变快、变便宜。为什么谷歌如此坚信RSI正在发生？因为AI自我改进的范式正在悄然改变：过去十年行业里谈起RSI大家想到的总是AI自动修改自己的权重训出下一代神明。

但是Dream-RSI展示了另一种可能性：模型权重不一定要先变它可以通过自我重写外围的探索框架来让自己变得强大。这就好比同一个研究员他的智商、知识储备都没有突然发生变化但是随着研究经验的增加他开始知道哪些方向值得追了。

哪些实验大概率是在浪费时间什么时候应该换路线了变化的不是脑子本身而是方法！过去谈模型进步通常意味着参数更多、训练数据更多、强化学习规模更大但是Dream-RSI展示的是另一条路径：底层模型完全可以不变仅仅通过重新组织它已有的能力就能解决更多问题。

当模型拥有这种能力就会用最便宜的算力去解决最难的问题。当然了Dream-RSI距离大众想象中的AI自我进化还有很远：它没有修改Gemini的权重也没有重新训练模型真正被更新的是负责决定如何搜索的策略层。

它能够反复做梦的前提是过去真实跑过这些实验对于历史上从未到达过的区域Dream-RSI并不能够凭空就知道结果所以它不能永远留在梦里。每经过一轮策略优化AI仍然需要回到真实环境进入过去没有探索过的新区域再把这些新结果加入历史。

只有这样系统的记录才会不断扩大但是这条思路已经足够有意义了：未来更强的AI未必每一轮都需要一个更聪明的模型它可能只是越来越擅长一件看起来很普通的事情那就是记住自己走过的路然后少走弯路。

正如论文结尾所说：智能体必须学会做梦才能递归自我改进，而历史就是它做梦时所处的整个世界。随着Gemini 4等超大型预训练模型的临近以及这种在虚拟历史中做梦的RSI到来我们距离那场智能大爆炸或许只有一步之遥了。

关键是，当AI可以靠做梦来进化人类的经验总结反而会拖后腿了我们自己的做梦还有什么意义呢？感谢收看，我们下期再见。