谷歌 DeepMind 演示 Dream-RSI：让 AI 重放探索过程、自我改进搜索策略

谷歌与 DeepMind 的研究人员演示了一套名为 Dream-RSI 的系统，把 AI 的自我改进从「改模型」转向「改探索方式」。

核心机制

Dream-RSI 的做法是让 AI 代理重放自己过去的发现尝试，从中改进它探索问题的方式。代理可以低成本地测试数千种替代策略，然后在下一轮任务中部署表现更好的那一套。

关键点在于：它改进的是探索策略，而不是底层模型的权重。 也就是说，模型本身不变，变的是它「怎么找答案」。

实测表现

研究覆盖了三个方向：

• 算法设计
• 数学优化
• GPU 内核工程

在上述任务中，Dream-RSI 匹配或提升了发现质量，同时大幅降低了搜索成本——在一种设置下，代理调用次数减少了高达 162 倍。

值得关注的地方

如果探索策略的改进可以跨轮次累积，那么提升发现效率就不必依赖更大的模型或更多的算力投入。这条路径与「靠扩大模型规模换取能力」的思路形成对照，也为递归自我改进提供了一个更廉价的切入点。