让编程智能体自主探索解法，听上去很美，账单却很残酷。一个复杂任务跑下来，探索循环动辄上千次，每次都要真金白银地调用模型。谷歌的研究团队算过一笔账：这些花费里，有相当一部分流向了早就失败的路径。
9月中旬，来自Google、Google DeepMind、马里兰大学和弗吉尼亚大学的17位研究者公布了Dream-RSI。思路相当反直觉：与其让智能体一次次真实重跑，不如让它”做梦”——在已经记录下来的历史里推演新策略，用过去的结果指导未来的搜索。
烧钱的探索循环，问题出在哪
递归自我改进（RSI）的核心在于有效探索：在哪里分支、何时并行、何时止损。现实中的探索策略大多是手写且冻结的，不会从积累的经验中学习。团队在项目页面上说得毫不客气：糟糕的探索会浪费大量计算和时间，严重限制RSI的效率与扩展性。
元层反馈的获取成本高、延迟大，这被研究者视为真正的瓶颈。团队指出，构建者本质上在反复购买已经付过费的反馈。
让历史变成模拟器
Dream-RSI把每次执行的全部决策与结果存进一棵”历史发现树”。评估新策略时，系统只需读取过去的记录，无需重跑底层智能体。论文里有一句核心表述：智能体已经建成的发现树，就是它所到达搜索空间的一个精确模拟器。
系统分三个阶段运转。在线探索阶段，策略引导智能体建树并记录轨迹。构建重放模拟器阶段，树与轨迹进入可复用的仓库。做梦式策略改进阶段，智能体在”梦中”改写策略、逐个打分，选出最优版本再重新上线。每完成一轮，获胜策略回到线上，又长出一棵新的发现树。
一句话概括：模拟器就是任何能回答”如果当初换了走法会怎样”、却无需真实运行世界的东西。
跑分数据：调用次数最高砍到1/162
具体数字最能说明问题。在Lasso发现测试中，用Gemini-3.1-Pro做底座，六个数据集的平均运行时间从3587.1毫秒降到2931.0毫秒，智能体调用次数从550次压到317次。换上Gemini-3.7-Flash，平均运行时间从2516.7毫秒降到2350.6毫秒，调用次数从3200次砍到1879次。
对比现有发现系统SimpleTES（底座为gpt-oss-120b，跑了51200次生成），Dream-RSI最高把发现智能体的调用量压到对方的1/162。
GPU内核工程任务上的表现验证了泛化能力。VGG16和LayerNorm两个任务里，Dream-RSI分别用2.43倍和1.79倍更少的生成次数达到同等性能；ConvDiv和ConvMax上，它在相近预算下拿到2.09倍和1.44倍的性能提升。ConvDiv任务里，被评估的尝试次数从110次降到50次，之后才重新加大投入，进展趋于平台期后投入回到90次左右。
Amodei的警告与工程的现实
这项研究的时间点很微妙。9月12日，Anthropic联合创始人Dario Amodei发表文章《We Must Pace the Frontier》，点名递归自我改进是让他改变立场、主张放慢AI发展的两大进展之一，理由是它可能造出人类无法掌控的AI。
Dream-RSI基于基准测试的结果展示了另一面：同样是自我探索的智能体循环，落到工程层面，能干的事很具体——省算力、省时间、省token。生存级威胁的叙事与务实的工程用途之间存在一条清晰的沟壑，这项实验恰好把沟壑量化了出来。
开发者能拿走什么
对每天烧token的团队来说，Dream-RSI的价值在于账本逻辑变了：收益来自你已经付费生成过一次的记录。过去，历史只被看成提示词的静态素材，或微调权重的训练数据。用研究者的原话说：历史就是做梦的世界。
代码已经公开。如果你的智能体工作流里有大量反复试探的场景——内核调优、数学优化、参数搜索——把执行结果结构化地存下来，可能就是最便宜的一步优化。
探索策略从手写冻结走向可编程、可学习，这或许是智能体工程里被低估的一条主线。下一轮智能体竞赛，比的可能不只是模型跑分，还有谁更会做梦。
苏公网安备32010502011527号
发表回复