谷歌，可能已经破解了RSI！
就在刚刚，谷歌联合 Google DeepMind、马里兰大学及弗吉尼亚大学，发表了一篇重磅论文。
这一次，他们展示了一条完全不同的RSI路线：AI自我进化，居然可以靠做梦？
这一次，谷歌是让智能体把自己走过的每一步存成一棵树，然后在树里「做梦」。
在梦里练出更优的探索策略，再回到现实继续干。
论文地址：https://arxiv.org/abs/2609.14858
Dream-RSI的效果可以说是相当震撼：
算法优化任务，主流进化搜索系统需要跑51200代，Dream-RSI调用317次就达到了同等水平。
圆填充问题，追平谷歌自家AlphaEvolveV2的最强纪录。
GPU内核优化，达到同等性能，生成次数暴降2.43倍。
底层权重一字未改，Gemini 3.1 Pro和3.7 Flash均可套用。
此外还有一个更有意思的结论，人给AI指方向，反而比不指更差。
论文一挂上arXiv，X上先炸了。网友Mark Kretschmann高呼：「谷歌可能刚刚破解了递归自我改进」！
论文一作Tong Zheng是马里兰大学二年级博士生，今年夏天才以学生研究员的身份进入谷歌。他身后是17人的作者团，包括DeepMind研究员与讲席教授。
要实现递归自我改进，智能体必须学会做梦。而历史，就是它们做梦的世界。
Tong Zheng在Hugging Face上留下这样一句话，它也是整篇论文的内核。
历史，就是它做梦的世界
Dream-RSI要解决的，是整个进化搜索领域最卡脖子的一环。
以AlphaEvolve为代表的系统早已证明，让编码智能体跑进化搜索，能发现人类没找到的算法。但它们有一个死穴，探索策略全靠人手写死。
哪个分支该多分配算力，哪个分支该尽早剪掉，什么时候该开并行，全靠工程师预先定好。搜索空间一大，固定策略就会把算力砸进死胡同，而且还不长记性。
那让策略自己进化行不行？理论上行，但问题出在评估成本上。
评估一段候选代码，跑一次就知道好坏。而评估一套探索策略，则需要让它带着智能体从头跑完几百上千轮，看最后挖出来的东西好不好，才能给这套策略打分。每改一版策略，就要重跑一遍整个发现过程，等几天出一个分数，没人耗得起。
对此Dream-RSI的解法是，跑过的过程存下来，评估新策略时不再重跑，直接拿旧过程回放。
具体来说，它把「干活」和「决定怎么干」拆成了两层。
-底层是负责执行的「发现智能体」（Discovery Agent），由Gemini 3.1 Pro或3.7 Flash驱动。它每次接过一个工作区，读取上下文，改出一版新候选代码，交由评估器打分。
-顶层是轻量的编排层，里面装着「探索策略」（一段Python代码），决定每一轮从哪个节点继续、一次开多少个并行尝试、何时止损。
底层模型不动，自我进化的对象只有这段策略代码。
每一次真实探索的结果都会存进一棵「发现树」。根节点是初始工作区，每个子节点记着一次尝试的完整现场，包括文件系统快照、生成的产物、评估诊断和得分。
这棵树，就是模拟器。
策略要做的决定只有一类，从哪些节点继续、一次开几个。而每个节点往下走会得到什么结果，树里已经记着了。
所以策略要迭代时，不用再去真实环境跑代码，直接在长好的树上重走一遍历史就行——
想试「这条路多走两步」，就读取树里对应的记录；想试「那条路早点放弃」，就少读几个节点。
整个评估过程不调用一次模型，不跑一行代码，只读历史。
论文把这种机制叫做「做梦」。就像棋手复盘，不需要重新摆盘再下一遍，翻棋谱就够了。
Dream-RSI 的运行闭环
基于这个洞察，谷歌构建了 Dream-RSI 框架。它的自我改进循环主要分为三个阶段：
1.真实探索：当前最新的探索策略 引导 Agent 并在真实环境中运行（例如调用 LLM、编译并执行代码），并将探索产生的所有路径、决策和执行反馈记录下来，作为一棵新的结构化探索树追加到历史数据库中。
2.构建模拟器：将更新后的历史数据库 转化为一个可重用的「重放模拟器池」 。
3.基于做梦的策略改进：一个专门的 LLM 策略开发 Agent 在这个模拟器里开始疯狂「做梦」 。它不断修改和重写探索策略的代码，产生上千个候选策略，并在重放模拟器上快速重放它们。
做梦的打分由三项构成，一是这一轮梦里找到的最 优分数，二是扣掉尝试次数对应的成本，三是并行奖励，鼓励策略一轮批量跑多个尝试。
得分高的策略，就意味着它「多快好省」。
负责修改策略的，是另一个「策略开发智能体」。
它会盯着三样东西：当前策略在梦里走过的轨迹和分数，前几版修改的反馈，还有整棵发现树。然后，看完直接改写策略代码。
一轮改出若干版，每一版都丢回梦里打一次分，得分最高的那一版成为下一轮的正式策略。
这就意味着，新策略的下限是「原地踏步」，上限则是「无限进化」。
RSI的飞轮就此闭环。
为什么这个策略永远不会变差？
在离线改进阶段，策略开发 Agent 会经历多轮的代码迭代。由于当前的策略本身就被包含在候选池中，只有当新重写的策略在模拟器上的综合重放得分（平衡了探索质量、算力成本和并行效率）高于当前策略时，新策略才会胜出并被部署。
因此，在数学上，Dream-RSI 部署的新策略表现绝不会弱于上一代。 随着新策略被重新部署到真实世界中探索，它会带回更深、更广的探索树，从而让模拟器也随之进化。
智能体与它眼中的「世界」，就这样在相互咬合的齿轮中一同成长。
策略改好之后上线发掘新算法，历史变多，梦境更准，梦境更准，策略继续进化。树里没有的分支，梦里也走不到，所以每一轮真实探索都在给下一轮的梦扩地盘
第 一版策略很朴素，只会开一堆独立的工作区各自埋头跑。到了后面的轮次，策略学会了精打细算。
在ConvDiv内核实验里，性能处在上升期的时候，策略主动把每轮尝试从110次砍到50次；一旦性能停滞，它又把探索力度拉满，分数随即再涨一截。
没有人教它这么干，这是它从自身历史中「悟」出来的。
317次碾压5万代：人类反而成了累赘
论文在三个领域进行了实测。
1.算法工程：Lasso 正则化路径求解器
第 一个领域是算法工程，任务是Lasso正则化路径。这是高维统计里的老难题，要求在保证数值正确的前提下，把整条路径算得尽可能快。
用Gemini 3.1 Pro跑Dream-RSI，只调用了317次，就把求解器的平均运行时间从3587.1毫秒降到了2931.0毫秒。
相比之下，同一个模型换成固定策略，要调用550次才能到这个水平。基线SimpleTES为了拿到差不多的结果，一共生成了51200次。
换成更便宜的Gemini 3.7 Flash后，模型消耗了1879次调用，成功把运行时间做到了2350.6毫秒。
因为进化发生在探索这一层，和底层模型的大小没有关系，所以小模型一样能受益。
它挖出的求解器，基线的做法是根据问题维度，在LARS和坐标下降两种算法里二选一。而Dream-RSI找出来的方案，直接把自适应做进了活跃集优化内部。
具体来说就是，先用强规则筛一遍特征，再用柯西-施瓦茨不等式做KKT剪枝，只有当上界判断不了某个特征时，才回头计算精确梯度。
2.数学优化：三大高难度数学任务
数学优化这个领域，差距拉得更大。
在「和差问题」、「圆装填」和「自相关不等式」三个极耗算力的离散和几何优化问题中，Dream-RSI 在 1000 代 以内就达到或超越了极强的基线性能。
与需要 51,200 代算力开销的 SimpleTES 相比，Dream-RSI 节省了超过 50 倍的计算预算，且拿到了同等甚至更优的结果。
3.GPU 算子工程：KernelBench 极限压榨
第三个领域是GPU内核工程，也是谷歌自己最在乎的地盘。
在这里，论文总共测了四种内核。
VGG16和LayerNorm比的是省多少，把内核优化到和固定探索同样的性能，Dream-RSI需要的生成次数分别只有对方的1/2.43和1/1.79。
ConvDiv和ConvMax比的是强多少，给两边同样的预算，Dream-RSI优化出的内核性能分别是固定探索的2.09倍和1.44倍。
最后，研究团队把之前的历史轨迹提炼成方向性提示，塞进Prompt里「手把手」教智能体往哪走。
结果有些出乎意料，在同等预算下，加了人类引导的始终比不加的更差。
深度剖析：直接给 AI 「总结经验」，反而效果更差？
论文中，有一个非常反直觉的实验。
研究人员尝试了「经验总结法」，让大模型把历史总结成高层指导意见，去指导下一轮的探索。
然而实验结果却令人大跌眼镜：注入了高层次经验总结的 Agent，在探索表现上不仅没有提升，反而显著差于没有任何指导的原始 baseline ！
背后原因就是，一旦你将经验生硬地抽象为「高层原则」，它们立刻就会转化为 AI 的认知偏见，过度约束 AI 的搜索空间，扼杀了探索的多样性，让AI困在局部最 优解里。
相反，Dream-RSI 的「做梦」机制不提供任何「空洞真理」，它直接让新策略去碰撞具体的历史树，在微观的并行控制、分支优先级和提早停止规则上进行代码级优化。
这种方式保持了探索空间的开放和多样性，反而远胜于前者。
暑期实习生操刀一作，
身后是17人豪华天团
一作Tong Zheng（郑童），2021年本科毕业于东北大学，本科期间就在国内最硬的机器翻译组（肖桐组）做研究。
2024年他进入马里兰大学读博，师从黄恒教授。Dream-RSI正是他2026年夏天在谷歌做Student Researcher时的产物。
他从ICLR 2025让模型一次出多个草稿的投机解码，到ICLR 2026和ICML 2026的Parallel-R1和Parallel-Probe（用强化学习教模型并行思考），死磕始终是同一件事——别让模型一条路走到黑。
Dream-RSI打分里那项「并行奖励」，与这条线一脉相承。只不过，以前是让模型的思维并行，现在是让智能体的探索并行。
导师黄恒，马里兰大学首任Brendan Iribe讲席教授，约300篇顶会论文，手里7个NSF项目、3个NIH项目。这两年，黄恒组里的学生一头扎进大模型推理。
17人的作者团里，通讯作者Xidong Wu和Zheng Zhang在谷歌，DeepMind一侧有推荐系统圈都认识的SASRec作者Wang-Cheng Kang。
一个暑期实习生挂一作，身后一群资深研究员署名，谷歌内部对这条路线的重视程度，不言而喻。
通往 ASI 的隐秘通道，已经被打通了？
此前，谷歌产品负责人 Logan Kilpatrick透露重磅消息：谷歌正在死盯前沿，并且已经看到了RSI的早期迹象！
他拿Gemini 3.5到3.8大约每三到四周一更当证据，而且表示，Gemini 4将是迄今最 大、最野心勃勃的预训练模型，希望借此回到争霸位置。
他强调，要把算力和人力投给写代码、做研究、做科学，因为这些最可能把下一轮训练变快变便宜。
为什么谷歌如此坚信，RSI正在发生？
因为 AI 自我改进的范式正在悄然改变。过去十年，行业里谈起RSI，大家想到的总是「AI自动修改自己的权重，训出下一代神明」。
但而 Dream-RSI 展示了另一种可能性：模型权重不一定要先变，它可以通过自我重写外围的「Harness」，来让自己变得强大！
当模型拥有这种强大能力，就会用最 便 宜的算力，去解决最难的问题。
正如论文结尾所说：
智能体必须学会做梦才能递归自我改进，而历史，就是它做梦时所处的整个世界。
随着 Gemini 4 等超大型预训练模型的临近，这种「在虚拟历史中做梦」的RSI到来，我们距离那场智能大爆炸，或许只有一步之遥了。
