DeepMind 新论文 Dream-RSI：不改权重，让 Agent 在历史里「做梦」自我改进

AGI Hunt · wechat · 2026-09-16

Google DeepMind 联合马里兰大学等机构发布论文 Dream-RSI，研究递归自我改进（RSI），但路线与传统直觉不同：它不修改模型权重、不自我训练，而是改进 Agent 的探索策略——怎么搜索、开多少分支、何时止损、如何分配算力。

核心机制是把每次任务留下的完整探索历史做成 Replay Simulator，让 Agent 在其中「做梦」，尝试各种反事实假设（换分支、并行更多任务、更早放弃某方向）。由于历史结果已算出，这些实验近乎零成本，形成「探索→积累历史→做梦→改进策略→再探索」的循环。在 GPU Kernel 四个任务上，最好情况下达到同等性能只需基线约 41% 的迭代次数，预算相当时性能最高达基线 2.09 倍。