Dream-RSI：谷歌开源的「做梦式」递归自我改进，让 AI 在虚拟历史里练出更优策略

一句话结论：谷歌联合 Google DeepMind、马里兰大学和弗吉尼亚大学在 arXiv 上发表了一篇论文（2609.14858），开源了 Dream-RSI——一种不修改模型权重的递归自我改进方法。它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」回放，练出更优的探索策略。论文称算法优化任务上只需 317 次调用就达到主流进化搜索跑 51200 代的效果。

AI 摘要

• 项目是什么：Dream-RSI，一种「通过演化世界实现递归自我改进」的方法，arXiv 2609.14858，17 位作者。
• 核心机制：把搜索轨迹存成树，在「虚拟历史」里做梦回放，练出更优探索策略，再回到现实继续执行。
• 关键数据：算法优化任务 317 次调用 vs 51200 代；GPU 内核优化生成次数降 2.43 倍；底层权重一字未改。
• 适用边界：目前是研究系统，论文刚发布，需要工程能力才能复现，不是即开即用工具。

它和传统 RSI 有什么不同

过去谈起 RSI（递归自我改进），大家想到的通常是「AI 修改自己的权重，训出下一代」。这条路难在权重安全、失控风险和算力成本。

Dream-RSI 换了一个方向：模型权重不用变，让 AI 通过「做梦」来优化自己的探索策略。

具体做法是，智能体把每一次尝试、每一步决策都记录成一棵树——这是一段「历史」。然后在训练阶段，它回到这棵树的各个节点「做梦」，在虚拟的历史里演练不同的探索路径，学出一个更优的搜索策略。这个策略再回到现实里指导下一次执行。

这个思路的巧妙之处在于：它绕开了「改权重」这个最危险也最昂贵的环节，转而优化「怎么搜索」这个相对安全、可复现的外围能力。这和 Reef 让 Agent 边服务边学习 是同一类「不改权重」的 RSI 路线，只是 Dream-RSI 把「回放」这个机制做成了核心。

为什么效果这么惊人

论文给出的几个数字，是它引起轰动的直接原因。

在算法优化任务上，主流的进化搜索系统需要跑 51200 代才能达到的水平，Dream-RSI 只调用了 317 次就达到了。在 GPU 内核优化上，达到同等性能所需的生成次数降低了 2.43 倍；在圆填充问题上，追平了谷歌自家 AlphaEvolveV 2 的最强纪录。

更值得注意的是普适性。论文明确说「底层权重一字未改」，Gemini 3.1 Pro 和 3.7 Flash 都可以直接套用。这意味着 Dream-RSI 是一个「外挂」——不挑模型，只要模型够聪明，就能通过做梦来改进自己的搜索策略。

还有一个反直觉的结论：人给 AI 指方向，反而比不指更差。这暗示在「探索最优策略」这件事上，人类先验可能是在限制而非帮助模型。

它和谷歌近期的 RSI 动作是什么关系

Dream-RSI 不是孤立的。把谷歌最近的几条线串起来看，逻辑就清楚了。

9 月初，谷歌 API 泄露疑似跑通 RSI，被曝出 rsi-model-liverl-le 的模型标签；产品负责人 Logan Kilpatrick 透露谷歌正在「死盯前沿，已经看到 RSI 的早期迹象」，并拿 Gemini 3.5 到 3.8 每三四周一更当证据。

Dream-RSI 论文挂上 arXiv 的时间是 9 月 14 日，正好在这一串动作之后。它给了一个具体的技术方案，解释谷歌说的「RSI 早期迹象」可能长什么样——不是模型自己改权重，而是模型学会在自己的历史里做梦、进化。

对开发者意味着什么

如果你是做搜索优化、进化算法或 Agent 策略研究的，Dream-RSI 值得重点跟进。它是「不改权重做自我改进」这一路线上最清晰、最可复现的公开方案之一，代码在 GitHub 上开源，论文的 discovery-tree 日志格式可以直接拉下来复现。

如果你想立刻把它用到生产里，那还太早。它是研究系统，刚发论文，复现需要一定的深度学习工程能力。但它指出的方向很明确：当「改权重」这条路充满风险时，「优化搜索策略」这条外围路径可能是 RSI 落地的现实入口。

这和同一天曝光的智谱 Infra Agent 优化推理集群的思路形成了有趣的对照——谷歌让模型在虚拟世界里做梦，智谱让模型在真实生产环境里干活，两者都是「不改权重」的 RSI，只是一个偏研究、一个偏工程。

智盒判断

短期看，Dream-RSI 最大的价值是「给 RSI 降温」。在「AI 自我进化」被炒得越来越玄乎的当下，它给出了一个具体的、可验证的、不涉及权重安全的方案，把讨论拉回了工程和算法的地面。

中期看，「做梦回放」这个机制本身可能比 RSI 更值得关注。让模型从自己的历史轨迹里学策略，这其实是一个通用的思路，不只适用于自我改进，也可以用在任何「需要从经验中学习」的 Agent 场景。它可能催生一批「回放式学习」的开源项目。

长期看，这背后是一个更根本的判断：RSI 的第一波落地，大概率不是「AI 重写自己的大脑」，而是「AI 优化自己的行为方式」。Dream-RSI、Reef、智谱 Infra Agent，都在用各自的方式验证这个判断。谁先把这条路径跑顺，谁就在 RSI 的早期阶段占得先机。

FAQ

Dream-RSI 修改模型权重吗？

不修改。它优化的是智能体的「搜索策略」——怎么在问题空间里探索，而不是模型本身的能力。论文明确说「底层权重一字未改」。

317 次 vs 51200 代是什么意思？

论文称在某个算法优化任务上，主流进化搜索系统要跑 51200 代才能达到的效果，Dream-RSI 只调用 317 次就达到了。这是自测数据，具体任务细节以论文为准。

现在能直接复现吗？

代码在 GitHub（dream-rsi/dream-rsi）开源，论文有 discovery-tree 日志格式，可以 git clone 复现。但需要深度学习工程能力，不是开箱即用的产品。