震撼，谷歌破解了RSI？

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。

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。