谷歌RSI论文：AI自进化，做梦吧
谷歌的RSI研究刚刚被证实，一篇关于AI实现自我进化的论文随即被官方发布到网上。
它的实现方式相当奇特，被称为“做梦”。
没错，不是让大模型重新训练自己，也不是让AI直接修改自身权重，而是采用Dream-RSI，简单来说就是“在梦中学习”。
不开玩笑，正经地说，研究人员发现了一个有趣的现象：
AI真实探索过程中留下的历史记录，本身就是一个模拟世界。
因此，在一次昂贵的真实探索结束后，Agent不需要真的重新进行几百次或几千次实验，就可以在已经存在的搜索树中进行虚拟推演（做梦），反复测试新的搜索策略。
一旦找到更好的策略，再回到真实环境中执行一次。
新的探索会产生一棵更大的搜索树。
接着再用来“做梦”。
如此循环往复。
这不仅节省了大量成本，而且这个方法确实有效。在算法工程、数学优化和GPU内核工程这三类任务中，研究人员证明，Dream‑RSI不仅能显著降低探索的计算成本，还能达到甚至超越原有方案的效果。
历史就是世界
我们来仔细分析一下这篇论文。
论文的核心思路可以这样概括：将AI走过的弯路，变成AI新的训练场。
谷歌的研究人员认为，RSI的核心驱动力在于高效探索。因此，如何管理和优化探索策略是一个关键问题。
实际上，许多AI科研系统已经实现了一个循环：
生成方案 → 运行实验 → 查看结果 → 修改方案 → 再运行实验。
问题是，随着搜索空间的扩大，固定的探索策略无法自适应调整；而在线策略优化又面临迭代时间长、反馈滞后、成本高昂等困境。
Dream-RSI抓住了一个此前未被充分利用的东西：历史。
一次Agent探索任务执行下来，会留下非常丰富的记录，形成一棵发现树（Discovery Tree）。
类似这样：
谷歌的研究人员换个角度来看，发现这一堆历史日志本身就是一个模拟器！
举个例子，Agent首次执行的策略是按顺序运行A、B、C分支，每个节点的结果都被保存下来：A1的得分、B1是否报错、C2的效果以及各自消耗的计算量。
现在，我们换一种搜索策略，比如：先运行C，如果C1不够好，再走A。
完全不需要重新运行一遍，因为C、C1、A、A1这些结果可以直接调用。只需让新策略在旧树上“重新走一遍”，就能算出“如果当时这样做，需要多少计算量，能达到什么效果”。
也就是说，在Agent已经探索过的区域里，历史就是世界。
只需要一次真实执行，大量新的策略探索就能以更低成本在这个“模拟世界”中验证。
在梦中自我进化
整个Dream-RSI系统分为三个步骤。
第一步，真实探索。
当前探索策略控制一个Coding Agent，决定开启哪些分支、继续哪些方案、运行多少个并行任务以及何时结束。
所有过程被记录为一棵发现树。
第二步，开始做梦。
引入另一个大语言模型来负责开发探索策略。
每生成一种新的探索方案，不重新运行实验，而是在过去积累的所有发现树上“回放”结果。
最终，综合考虑答案质量、搜索成本和并行效率，找出更好的动态策略。
**第三步，将赢家重新派出去。
新策略进入真实环境，指挥下一轮探索。
由于策略已经变化，它可能会到达上一代Agent没有探索过的位置。
这样就会产生新的发现树，继续扩大下一轮的“梦境”。
也就是：
真实探索 → 产生更多历史 → 历史变成更多模拟世界 → 在模拟世界中优化探索策略 → 更好的策略产生新的历史……
大幅降低计算成本，效果不降反增
研究团队将Dream-RSI应用于8个发现任务，涵盖三个领域：算法工程、数学优化和GPU内核优化。
最直接的对照组是Recursive Fixed Exploration。
它与Dream-RSI使用相同的模型、相同的评估器、相同的初始策略和资源约束。
不同之处在于，一个每轮都会学习如何重新组织探索，另一个始终按照第一轮的固定策略继续搜索。
算法工程
研究团队让Agent优化Lasso regularization path。
当模型为Gemini 3.1 Pro时，固定探索最终消耗550次Agent调用，六个测试数据集平均运行时间为3587.1毫秒。
Dream-RSI则使用了317次调用，最终达到2931.0毫秒。
换成Gemini 3.7 Flash也是类似结果：
固定策略使用了3200次Agent调用，平均耗时为2516.7毫秒；Dream-RSI使用了1879次，耗时降至2350.6毫秒。
与SimpleTES的对比结果差距更明显。
SimpleTES对应实验预算达到51200次调用。Dream-RSI在部分设置下只需几百次调用。
两者最高相差162倍。
GPU内核
在VGG16和LayerNorm任务中，Dream-RSI分别相差2.43倍和1.79倍的生成次数，达到相近性能。
在ConvDiv和ConvMax中，则在接近的计算预算下，将性能分别提高2.09倍和1.44倍。
数学优化
在Sum Difference上，Dream-RSI达到1.145427，高于论文列出的多个基线；Circle Packing达到2.635983。
但在Auto Correlation中，SimpleTES仍然是当前最优。不过Dream-RSI在结果相近的情况下，调用量做到了1000次对比51200次。
One More Thing
有趣的是，研究人员还发现，给AI总结“经验教训”，结果反而更差。
他们将之前探索中遇到的问题直接塞进下一轮提示词，结果出乎意料：
加入显式语义指导后，无论是固定探索还是Dream-RSI，表现都普遍下降了。
论文给出的解释是：
长程科研搜索往往同时存在许多并行路线。
如果过早总结“高层结论”，相当于给未来的探索增加了很强的先验。
结果可能不是少走弯路，而是直接把一些看似无望但实际上可能有价值的路线堵死了。
最后，简单总结一下，在Dream-RSI的整个实验中，模型本身没有被重新训练。与其说是模型的自进化，更像是工具的自进化。
过去我们谈论Agent自进化时，主要关注两件事：一是将成功经验写入记忆；二是将历史数据重新用于训练模型。
Dream-RSI提供了第三条路径：
模型可以不变，知识甚至不需要先总结成文字，先让“寻找知识的方法”自己进化。
下一代Agent不必只从上一代留下的“答案”中学习。
而是学习：
上一代到底是如何找到答案的，以及——有没有一种更好的寻找方法。
论文由Google、Google DeepMind、马里兰大学和弗吉尼亚大学的研究者共同完成，目前论文、项目页面和代码仓库均已公开。