谷歌 Dream-RSI 让智能体「做梦」自进化：317 次调用碾压 5 万代搜索
新智元 · wechat · 2026-09-17
谷歌联合 Google DeepMind、马里兰大学等发布 Dream-RSI 论文，展示不改动底层权重的递归自我改进路线：把智能体的探索历史存成「发现树」，策略迭代时直接在树上重放历史（不调模型、不跑代码），如同棋手复盘棋谱。
核心机制：
- 两层架构：底层「发现智能体」（Gemini 3.1 Pro / 3.7 Flash）负责改代码并接受评估；顶层是一段可进化的 Python 探索策略，决定分支选择、并行数量与止损时机
- 三阶段闭环：真实探索记录发现树 → 构建重放模拟器池 → 策略开发智能体在模拟器中生成上千候选策略并打分择优，新策略得分不低于旧策略，飞轮单调不退化
实测结果：
- Lasso 求解器优化：317 次调用即超过需 51200 次生成的基线 SimpleTES 水平
- 圆填充等数学优化问题：1000 代内追平或超越强基线，节省超 50 倍计算预算，追平 AlphaEvolve V2 纪录
- GPU 内核优化：同等性能生成次数降至 1/2.43，同等预算性能提升 2.09 倍
反直觉发现：把历史总结成高层「经验提示」注入 prompt，反而显著劣于无指导基线——抽象原则会变成认知偏见、压缩探索空间；而 Dream-RSI 直接在具体历史树上做代码级优化，保持探索多样性。一作 Tong Zheng 为马里兰大学博士生、谷歌暑期研究员。
所属事件:谷歌开源 Dream-RSI：靠「做梦」复盘实现递归自我改进(14 条相关)→
「编程与Agent」频道最新
- 一个过期日期让 WhatsApp 回复 agent 静默罢工两天,19 条消息无人应答 — petrusenko_max · 2026-11-02
- 10倍工程师就是一个 SKILLS.md:六大工作流规则全公开 — mdancho84 · 2026-11-02
- 开发者自审 MCP 凭据代理:最大漏洞竟出在配置文件 — Relevant_Mousse_9117 · 2026-11-02
- AWS 开源 Strands Harness 宣称比 Claude Code 便宜 45%，搅动 harness 之争 — blaizedsouza · 2026-11-02
- 小米 MiMo 提出 CodeSpecWeave:用相互依赖规格合成任务训练编程智能体 — XiaomiMiMo · 2026-11-02
- Sketchy v0.1.6:图表输出比纯文本省 29% token — Nkgsporty · 2026-11-02