背景：RSI的终极愿景与近期争议
1965年，英国数学家J. D. (Jay) Good在回顾二战经历时提出了一个关于人工智能终极形态的预言。Good曾在布莱切利园（Bletchley Park）与同性恋数学家艾伦·图灵并肩作战对抗纳粹，他在著作中指出：“第一个超智能机器将是人类需要制造的最后一个发明。” 这一观点的核心逻辑在于递归自我改进（Recursive Self-Improvement, RSI）：一旦AI具备足够能力去优化自身，每一次改进都会使其更擅长进行下一次改进，从而形成指数级的进化循环。自那以后，RSI便成为AI研究人员梦寐以求的“圣杯”。然而，关于谁真正实现了这一突破的争论从未停止。上周，来自比特舞蹈（Bit Dance）、深度求索（DeepSeek）及其他中国实验室的33位研究人员发表了一篇题为《人类最后构建的AI》（The Last AI Built by Humans）的论文。该论文勾勒了一条通往RSI的五阶段路线图，其中最终阶段的特征是AI重写用于自我改进的过程本身。这一描述引发了关于人类未来命运的广泛讨论，甚至有人戏称届时我们将被“重新分配去乡下从事农业工作”。
“Because once an AI gets good enough to improve itself, every improvement makes it better at improving... which you get the idea.”
面对中国团队的激进路线图，Google DeepMind与马里兰大学于上周日联合发布了一篇名为《湿梦RSI》（Wet Dream RSI）的回应论文。他们提出了一种不同的路径：通过将AI过去的发现日志转化为模拟器，让AI在其中“梦想”出数千种新的搜索策略。这种方法声称无需触碰模型本身即可提升其发现能力。本文旨在深入拆解Dream-RSI的技术细节，并评估这种“代理重写自身探索策略”的能力究竟是否构成了真正的RSI，还是仅仅是一种营销噱头。
传统AI数学突破的范式与局限
要理解Dream-RSI的创新之处，首先需回顾当前主流AI在数学和算法领域取得突破的标准流程。自AlphaEvolve去年普及以来，这一过程已变得高度标准化：将一个编码代理（Coding Agent）赋予具体问题及评分函数，然后运行一个迭代循环。在该循环中，代理提出解决方案、评估结果、读取反馈并尝试数千次。今年夏天发现的雅可比猜想（Jacobian Conjecture），以及OpenAI本月在纳维-斯托克斯方程（Navier Stokes problem）上取得的进展，均遵循此模式。然而，这一过程中最常被忽视却至关重要的环节是探索策略（Exploration Policy）。
在每一步迭代中，系统都必须做出决策：代理下一步该尝试什么？例如，在一个优化马匹匹配算法的场景中，如果某次尝试比其它尝试稍好一些，代理是应该基于此继续构建，还是彻底重新开始以寻找更优解？如果某次尝试在匹配任何马匹前就崩溃了，是整体思路错误还是实现细节有误？直到本周之前，探索策略是由设置系统的人类硬编码在循环中的。这意味着AI的“创造力”受限于预设的规则，无法自主决定如何更高效地搜索解空间。这种静态策略限制了AI在复杂问题上的探索效率，导致大量计算资源浪费在无效的微小调整或重复尝试上。
“The most interesting part of the process is one no one really talks about called exploration policy.”
这种局限性在解决高复杂度数学问题时尤为明显。尽管模型本身具备强大的代码生成能力，但如果缺乏智能的探索策略，它就像是一个拥有强大引擎却由新手驾驶的赛车手，无法在正确的方向上加速。因此，如何动态调整探索策略，成为提升AI数学突破效率的关键瓶颈。
Dream-RSI的核心机制：基于日志的“做梦”模拟
DeepMind团队提出的解决方案颠覆了传统模式。他们发现，如果保存每次尝试的所有数据——包括编写的代码、获得的分数以及是否崩溃的状态记录，就不需要再次触碰模型来测试新的探索策略。相反，可以将这些缓存的历史运行数据作为输入，展示给一个新的（或相同的）探索策略模型，让它基于历史数据决定下一步的行动方向。由于这种评估过程成本几乎为零，代理可以在同一组历史运行数据上测试数千种不同的策略。
这一过程被称为“做梦”（Dreaming）。代理会从测试中筛选出那些能在最少尝试次数内达到最佳结果的策略，并将其部署到下一次实际运行中。随后，新的运行数据会被保存并加入缓存池，代理再次重复这一“做梦-评估-部署”的循环。这种方法的核心优势在于解耦了策略优化与模型训练。传统的自我改进需要重新训练或微调大语言模型的权重，而Dream-RSI仅通过调整控制逻辑（即探索策略）来提升效率。这使得系统能够在不增加计算成本的前提下，快速迭代出更高效的搜索路径。
“You can just show the new policy, the old runs that are cached on the disc, and let it decide where to go from there.”
这种机制类似于人类通过复盘过去的失败和成功来优化未来的决策过程，但速度远超人类。通过将历史数据转化为模拟器，AI可以在虚拟环境中“预演”无数种策略组合，从而在实际执行前就锁定最优路径。这不仅提高了搜索效率，还减少了对模型本身能力的依赖。
实验结果与关键案例：Lasso求解器的突破
为了验证Dream-RSI的有效性，研究团队将Gemini模型应用于八个不同的算法设计和数学问题。他们对比了使用固定探索策略的传统方法与Dream-RSI方法的表现。实验中最令人印象深刻的案例是Lasso求解器的开发。在测试中，Dream-RSI方法仅用约300次尝试就编写出了一个优于Python标准机器学习库的Lasso求解器。相比之下，使用静态固定策略的方法需要550次尝试才能达到类似效果，而此前的记录保持者则需要约51,000次尝试。这一数据表明，Dream-RSI在搜索效率上实现了数量级的提升。
| 方法/策略 | Lasso求解器优化尝试次数 |
|---|---|
| Dream-RSI (动态策略) | ~300次 |
| 静态固定策略 | ~550次 |
| 此前记录保持者 | ~51,000次 |
除了性能提升，该论文还揭示了实现这一突破的关键在于提示词工程（Prompt Engineering）。研究人员设计了一种特殊的指令，要求代理在编写任何代码前必须阅读所有过去的尝试记录。此外，提示词还明确要求代理停止对同一想法进行微小的重复调整（即避免陷入局部最优），并“发誓”不随意终止进程。这种对代理行为的严格约束，结合Dream-RSI的机制，使得Gemini能够更有效地利用历史数据，避免重复错误。
“The most impressive one was that it wrote a lasso solver that beats Python standard machine learning library in about 300 tries, where the static policy needed 550 and the previous record holder needed about 51,000.”
这一案例不仅证明了Dream-RSI在算法优化上的有效性，也展示了如何通过精细的控制指令引导AI更高效地利用历史经验。300次与51,000次的巨大差距，凸显了智能探索策略在复杂搜索问题中的决定性作用。
争议与辨析：这究竟是RSI还是高级搜索？
尽管Dream-RSI取得了显著的性能提升，但根据J. D. Good的定义，这并不构成真正的RSI。Good定义的核心在于：执行改进的主体必须在每一轮中变得更聪明。而在Dream-RSI的架构中，编写新探索策略模型的始终是同一个Gemini模型。这意味着该模型并没有在内在能力上发生进化，它只是学会了如何更快地找到其已具备能力的解决方案。换句话说，它并没有发现任何超出其原有能力范围的新知识，只是减少了浪费的尝试次数。因此，从严格意义上讲，这更像是一种带有缓存机制的高级搜索算法。
然而，这一观点也引发了对当前AI突破本质的反思。今年所有主要的数学突破——包括雅可比猜想、纳维-斯托克斯方程以及黎曼假设的进展——都源于静态模型被包裹在自定义框架中，由子代理、集群和编排系统承担大部分繁重工作。模型的权重仅在人类基于集群发现的结果进行下一轮训练时才得到更新。如果接受“人在回路（Human in the Loop）”仍算作RSI的一部分，那么Good可能会同意这是“人类需要的最后一个发明”。但他若看到现实，很可能会反驳称这仅仅是一种带有缓存功能的酷搜索算法。这种辨析揭示了当前AI研究在“智能涌现”与“工程优化”之间的模糊界限。
“In this case, the model that writes each new exploration policy is still the same Gemini. So it can never find a solution that it wasn't already capable of writing.”
这一争论的核心在于对“智能”的定义。如果效率的提升等同于能力的增强，那么Dream-RSI可被视为一种弱形式的自我改进；但如果智能必须体现为内在认知结构的改变，那么它仍停留在工具层面。无论定义如何，Dream-RSI都代表了当前AI工程化应用的一个重要里程碑。
技术生态与工具支持：Blacksmith的介入
在探讨AI前沿理论的同时，视频也介绍了支撑现代软件开发的基础设施工具。赞助商Blacksmith提供了一种GitHub Actions运行器的即插即用替代品，声称能使CI/CD流程速度提升两倍，同时成本降低75%。此外，Blacksmith推出了Codesmith，这是一款云编码代理工具，能够理解用户的代码库和CI运行历史。用户可通过GitHub、Web或Slack向Codesmith发出指令，例如添加新的AI提供商并配置API密钥。该代理能自动在相关仓库中打开Pull Request，修复失败的测试或处理审查意见，而无需依赖复杂的机器人间消息传递。
“It's a drop-in replacement for GitHub runners that lets you run your GitHub actions twice as fast while costing 75% less.”
Codesmith还具备优化建议功能，可根据CI历史记录推荐更合适的运行器规格，并自动生成PR以调整资源分配。这种工具的出现反映了AI在软件工程领域的渗透正从“生成代码”扩展到“优化开发流程本身”。虽然这与Dream-RSI的学术探索不同，但两者共同指向了一个趋势：AI正在接管从底层搜索策略到上层工程部署的各个环节。对于开发者而言，利用此类工具可以显著降低维护成本，从而将更多精力集中在核心逻辑的创新上。
结论
Dream-RSI通过引入基于历史日志的探索策略优化机制，显著提升了AI在算法设计和数学问题求解中的搜索效率。实验数据显示，其在Lasso求解器任务中仅需300次尝试即可超越传统方法的550次及此前记录的51,000次，证明了动态策略调整在减少搜索空间浪费方面的巨大潜力。然而，从J. D. Good的严格定义来看，由于底层模型并未发生内在能力的进化，这并非真正的递归自我改进（RSI），而是一种高效的、带有缓存机制的高级搜索算法。尽管如此，结合当前AI数学突破普遍依赖外部编排和人类反馈的现状，Dream-RSI代表了在现有静态模型基础上实现工程化自我优化的重要一步。它虽未触及“超智能”的核心，但极大地扩展了现有工具的能力边界，为未来更复杂的AI自主系统奠定了方法论基础。