Google和DeepMind最近放了一篇论文，叫Dream-RSI，讲的是递归…

Google和DeepMind最近放了一篇论文，叫Dream-RSI，讲的是递归自我改进（RSI）。但它的实现方式和我们之前想的不太一样。 传统思路是让模型自己训练自己，或者修改自己的权重。Dream-RSI走了另一条路：模型不改权重，而是改自己的探索策略。 具体来说，Agent每次执行任务都会留下完整的探索历史：试过哪些方案、哪些失败了、哪个分支效果最好、花了多少计算。Dream-RSI把这些历史做成一个Replay Simulator，然后让Agent在里面不断做梦：如果当时先走另一个分支呢？如果多开几个并行任务呢？如果这个方向早点停掉呢？ 关键是，历史里的结果都已经算过了，所以这些实验根本不用重新调用Coding Agent和Evaluator。一次昂贵的真实探索，可以拿来做成千上万次几乎零执行成本的策略实验。 找到更好的策略之后，再把它部署回真实世界，于是就形成了一个完整循环：探索 → 积累历史 → 做梦 → 改进Policy → 再探索 → 再做梦。 效果也很好。在GPU Kernel任务里，VGG16和LayerNorm达到类似性能，分别少用了2.43×和1.79× generations；ConvDiv和ConvMax在相近预算下，性能分别提高了2.09×和1.44×。 还有一个实验特别有意思。他们也试过更传统的办法：把过去探索得到的经验总结出来，直接塞回Prompt里指导下一轮，结果反而更差。因为这些总结出来的经验很容易变成偏见，让Agent过早集中在某几个看起来正确的方向上，反而损失了探索的多样性。 所以这篇论文真正值得关注的地方，是它展示了另一条RSI路线：模型不一定要先学会修改自己的权重，Agent可以先学会修改自己的Harness。怎么搜索、开多少分支、什么时候继续、什么时候放弃、计算资源怎么分配，这些过去由人类工程师设计的东西，现在也开始进入Agent自己的优化循环。