Google 提出 Dream-RSI：让智能体靠「做梦」复盘学会自我进化

聊到 AI 的「自我改进」，很多人脑子里浮现的画面，往往是模型自己重写底层代码、修改权重，然后突然顿悟。但 Google 联手马里兰大学、Google DeepMind 和弗吉尼亚大学刚公开的一个项目，走了一条完全不同的路。

这个项目叫 Dream-RSI，论文在 9 月 14 日上线。它最让人意外的地方在于，底层的基座模型压根没变，参数和架构一动不动。它改变的，是 AI 智能体在面对复杂任务时「如何寻找解法」的策略。

把走过的弯路，变成免费的模拟器

解决编程或数学优化这类长流程问题时，AI 往往要经过成千上万次尝试。传统的做法要么用一套写死的搜索策略，死板且容易在死胡同里浪费算力；要么在真实环境里在线摸索新策略，但每次测试都要跑完整流程，延迟高而且成本极贵。

Dream-RSI 发现了一个一直被忽视的资产：AI 之前探索任务时留下的完整历史。

AI 在探索问题时会生成一棵「发现树」，记录了它做过的每一个分支决定、并行尝试以及实际的代码执行结果。研究团队指出，这棵树其实就是一个现成的、完全精确的模拟器，甚至不需要额外去训练一个逼近现实的「世界模型」。

所谓的「做梦」，就是让系统在不调用真实执行环境、零执行成本的前提下，拿着几千种候选探索策略，在历史发现树上重新走一遍。看看如果当初换个顺序挑分支、或者提前放弃某条路，结果会不会更好。只有在历史回放中胜出的最优策略，才会被部署到真实环境里去。

越探索越聪明的滚雪球循环

一旦这个胜出的策略被部署上线，它就会去探索之前没去过的深水区。这一趟跑下来，又会记录下一棵全新的发现树，相当于给智能体增加了一个新的「模拟世界」。

随着这套循环不断转动，智能体拥有的历史世界越来越多，策略在面对复杂情况时就越来越稳健。在包含 GPU 内核工程在内的 4 个领域、9 项任务测试中，Dream-RSI 用了不到一半的迭代次数，就达到了甚至超越了传统方法的效果。

说白了，它就像一个下棋高手，比赛结束后不需要再找人下一万盘，而是对着过去的复盘棋谱做脑内推演，想清楚当初要是换个走法会怎样，第二天带着优化好的大局观再去下新的一盘。

为什么重要

对于做底层系统调优、算法工程和复杂任务求解的开发者来说，这项研究指出了一个非常现实的方向。大家不再需要死磕如何微调大模型，而是可以通过外挂一层轻量级的编排系统，专门优化计算资源的分配和搜索路径，直接省下大把真金白银的算力开销。

在行业层面，这改变了智能体竞争的切入点。以前大家拼命堆提示词或者堆强化学习训练，但策略层面的元优化一直被卡在昂贵的真实评测上。Dream-RSI 证明了离线历史数据不需要重新跑，只要组织得当，就能充当高质量的自监督反馈源，这可能会逼着同类智能体框架重新审视自己的执行日志资产。

我们认为，这个设计最聪明的地方在于「就地取材」，不搞花哨的近似模型，把真实的执行记录当成绝对准确的沙盒。但它的隐患也摆在明面上：模拟器的边界完全受限于历史走过的路。如果之前的探索彻底偏离了正确方向，智能体在梦里也只能在歪路上排列组合，如何跳出最初的信息茧房，依然是它未来需要解决的难题。