时间：2026年9月14日预印本上线arXiv，9月17日中英文媒体集中报道
地点：美国山景城 / 帕洛阿尔托（Google、Google DeepMind）；美国马里兰大学帕克分校；美国弗吉尼亚大学
人物：Tong Zheng（一作，马里兰大学二年级博士生，2026年夏以学生研究员身份进入Google）；Xidong Wu、Zheng Zhang（通讯作者）；Zhankui He、Benjamin Coleman、Wang-Cheng Kang（Google DeepMind研究员）；Di Bai、Heng Huang（马里兰大学）；Haolin Liu（弗吉尼亚大学）等共17名作者组成的跨机构团队
事件详情：Google联合Google DeepMind、马里兰大学、弗吉尼亚大学17位研究者在arXiv发表论文《Dream-RSI: Recursive Self-Improvement through Evolving Worlds》（arXiv:2609.14858），提出AI Agent递归自我改进新框架Dream-RSI。核心创新是把”做事”和”决定怎么做”拆成两层：底层是被冻结的Gemini 3.1 Pro或3.7 Flash驱动的Coding Agent负责生成候选代码；顶层是一段可被重写的”探索策略”Python代码，负责决定从哪些节点继续探索、一次开多少并行、何时止损。每次真实探索的完整记录（工作区快照、生成产物、评估诊断、得分）都存进一棵”发现树”。改进策略时不需要重跑真实环境，而是把历史发现树直接当成”重放模拟器”，让策略在上面”做梦”——读取已有节点结果就完成一轮评估。整个自我改进闭环分三阶段：在线探索→构建重放模拟器池→基于做梦的策略迭代。
背景：递归自我改进（Recursive Self-Improvement, RSI）正成为AI Agent研究的核心方向，代表系统包括Google DeepMind的AlphaEvolve、OpenAI的FunSearch、SimpleTES、ShinkaEvolve、PaceEvolve等。现有系统痛点是探索策略基本由人工设计、运行中固定不变，搜索空间一大就会把算力砸进死胡同；让策略自己在线进化则每次都要重跑完整实验，评估一次新策略要等几天才能出分数，工程上几乎不可行。Anthropic近期灰度的Opus 5.2主打RSI自迭代，OpenAI首席科学家也于9月初发文警示递归自我改进的风险，RSI已从纯学术议题变成产业与监管共同关注的焦点。
影响：Dream-RSI在三个领域取得显著成果。算法优化任务中，主流进化搜索系统需跑51200代才能达到的水平，Dream-RSI只需317次调用即达到，相比SimpleTES基线调用量降低162倍；数学优化（求和差、自相关、圆填充）任务中，50000代预算下用不到1000代即可追平或超越基线，节省约50倍；GPU内核优化中，VGG16、LayerNorm用1.79x至2.43x更少的生成次数达到相同性能，ConvDiv、ConvMax在相同预算下性能提升2.09倍和1.44倍。研究还得出一个反直觉结论：让人类预先为AI指明方向，效果反而比不指更差——预提示容易制造偏见，让Agent过早收敛到”看似正确”的路径而牺牲探索多样性。这项工作把RSI研究焦点从”权重递归”转向”调度策略递归”，对长程Agent工程具有通用方法论意义。
总结：Google DeepMind等四机构提出的Dream-RSI把”历史即模拟器”作为RSI成本曲线的杠杆，用”做梦”机制将策略评估从在线重跑降级为零执行成本的离线回放，单次昂贵实验可支撑上千次离线策略评估。在算法工程、数学优化、GPU内核三类任务中实现数量级的成本压缩。意味着通往下一代超大规模模型的发现循环，可能不再依赖线性堆砌算力，而是从Agent调度策略本身的递归改进中挤出算力杠杆。
参考来源：
1. https://arxiv.org/abs/2609.14858（arXiv论文）
2. https://github.com/zhengkid/Dream-RSI（官方代码仓库）
3. https://dream-rsi.com（项目主页）
4. https://www.36kr.com/p/3986951406173191（36氪）
5. https://www.163.com/dy/article/L70SOJ1O0511ABV6.html（网易/新智元）
6. https://www.163.com/dy/article/L71NR76C0531E3NX.html（网易/学术头条）
7. https://www.163.com/dy/article/L71RM44K05566ZHB.html（网易/AI前线）
8. https://finance.sina.com.cn/stock/t/2026-09-17/doc-iniscksc3589280.shtml（新浪财经）
9. https://www.alextech.ai/en/news/dream-rsi-google-deepmind-ai-self-improves-by-optimizing-its-own-search（AlexTech）
10. https://dejan.ai/blog/rsi（DEJAN深度技术解读）
11. https://www.aimodeling.com/en/news/slug/dream-rsi-replay-simulator-162x（AILog技术分析）
12. https://juejin.cn/post/7686040694947856393（稀土掘金技术拆解）
13. https://www.51cto.com/article/856122.html（51CTO）