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...
Reef：MIT 开源的「会自己学习」推理基础设施，把 Agent 的每次交互变成训练数据
一句话结论：MIT 研究员 Ao Qu 团队在 9 月 15 日开源了 Reef，一个 Apache-2.0 协议的持续自我改进 Agent 基础设施。它的核心思路是让推理服务器不再只是「跑模型」，而是记录每次推理的轨迹和反馈，自动训练、评估、发布新版本——把「模型上线后就不再变」这个默认假设改成了「模型边服务边进化」。 AI 摘要 项目是什么：Reef，持续自我改进的 Agent 基础设施，Apache-2.0，GitHub 上 Human-Agent-Society 组织维护。核心机制：四阶段循环「serve → observe → grow → commit」，推理、反馈收集、训练、评估、发布在同一控制循环里完成。关键能力：模型权重和 Agent harness 都能从真实经验中进化，候选版本评估通过才发布，不通过则服务不变。适用边界：不是自动重写整个智能栈的激进 RSI，而是「记住发生的事 + 提出有界改动 + 保留版本历史」的务实方案。 Reef 和普通推理引擎差在哪 先讲一个被默认接受的假设：推理服务器是「静态」的。你用 vLLM 或 SGLang 部署一个模型，它上线后就一直那样跑，直到你手动换新版本。模型本身不会从它处理过的请求里学到任何东西。 Reef 挑战的就是这个假设。它把「推理服务器」改造成了「边服务边学习」的闭环：记录每次推理的轨迹和用户反馈，把这些记录喂给学习任务，评估候选更新，通过后再热更新到线上——全程不用重启服务。 这个定位和...
Colibri：纯 C 零依赖推理引擎，让前沿 MoE 模型跑在普通硬盘上
一句话结论：开源项目 Colibri 用纯 C 语言写了一个零依赖的 MoE 推理引擎，核心思路是不把整个模型的专家权重一次性装进显存，而是推理时从硬盘按需流式加载稀疏专家。这让前沿规模的混合专家模型第一次有可能跑在普通消费级硬件上，项目因此冲上了 GitHub Trending。 AI 摘要 项目是什么：Colibri，一个纯 C、零外部依赖的 MoE 模型推理引擎，作者 JustVugg。核心思路：推理时从磁盘流式加载稀疏 MoE 专家权重，而不是预加载整个模型到显存。价值：大幅降低前沿模型对显存和企业级硬件的依赖，推动本地化部署。适用边界：牺牲了部分速度换取显存门槛，适合实验和本地部署，不是云推理的替代。 Colibri 是什么 Colibri 是一个开源的 MoE 模型推理引擎，作者是开发者 JustVugg。它最近冲上了 GitHub Trending，原因是解决了一个很具体的问题：前沿混合专家（MoE）模型太大，普通电脑跑不动。 MoE 模型的特点是「大而稀疏」。像 DeepSeek、Kimi 这类模型，总参数动辄几百亿甚至上万亿，但每次推理只激活其中一小部分专家。问题在于，传统推理引擎为了速度，会把全部专家权重都预加载进显存——哪怕大部分专家这次根本用不到。这就把门槛拉到了需要企业级显卡集群的高度。 Colibri 换了个思路。它不预加载，而是推理到哪个专家，就从硬盘把哪个专家的权重流式读进来。这样显存里只放当前需要的那部分，门槛一下子就降下来了。 它凭什么跑得动前沿 MoE 关键在两点：纯 C，和零依赖。 纯 C 意味着没有 Python 运行时、没有深度学习框架的层层封装，推理路径短，内存开销可控。零依赖意味着它不依赖 CUDA 之外的任何重型库，部署简单。 流式加载是这个设计的核心。MoE 模型每一层有几十个专家，一次推理只会命中其中几个。Colibri 把这个「命中」和「从磁盘读取」绑定在一起，用 I/O 换显存。代价是速度会慢一些——磁盘读写总比显存慢——但换来的是一台普通电脑也能跑前沿模型的可能。 这跟
NVIDIA 开源 IMO 金牌完整配方：Nemotron 数学推理全栈放出，权重、数据、200 道新题一个不少
一句话结论：NVIDIA 把一套在 2026 国际数学奥林匹克拿到金牌（30/42 分，超出金牌线 1 分）的数学推理系统完整开源——两个专家模型权重、训练数据、推理代码、提交的证明，还有一个 200 道全新奥赛题的 benchmark，全部可复现。 AI 摘要 项目用途：一套纯自然语言、无外部工具的数学奥林匹克证明生成流水线，全栈开源。适合人群：研究数学推理、RL 训练、test-time compute 的团队和个人。上手门槛：很高，两个专家 checkpoint 各 1.12 TB，官方建议至少 8 张 B200。智盒结论：这可能是目前最诚实的「金牌级开源复现」，但算力门槛挡住了绝大多数人，价值在方法论和 benchmark 而非直接可用。 项目信息 项目名：NVIDIA Nemotron IMO 2026（arXiv:2609.10712）GitHub URL：https://github.com/NVIDIA-NeMo/Skills/tree/main/recipes/nemotron-imo-ttsLicense：模型 OpenMDW 1.1；数据与 benchmark CC BY 4.0 它解决什么问题 数学一直是检验 AI 推理能力的硬指标，但奥林匹克级别的结果往往有个问题：只公布分数，不公布过程。你看到一个「IMO 金牌」，却没法知道它是怎么做到的，也没法复现。 NVIDIA 这次反着来。它把拿到 IMO 2026 金牌（30/42...
nano-kpu：Kimi K3 用 48 小时给自己设计了一颗推理芯片，这是开源芯片的「DeepSeek 时刻」吗
一句话结论：Moonshot AI 开源了 nano-kpu——一颗完全由 Kimi K3 设计、用开源 EDA 工具跑通全流程的推理芯片 RTL，48 小时完成设计，4 平方毫米、100MHz、模拟 8700 tokens/s。但它明确声明是「能力演示」，不是产品。 AI 摘要 项目用途：Kimi K3 自主设计的推理芯片 RTL 源码，含功能仿真和时序/面积综合流程。适合人群：关注 AI 自主工程、芯片设计、国产大模型的人。上手门槛：高，需要 Verilator 5 + yosys 工具链。智盒结论：作为「AI 能不能做芯片设计」的标尺很有价值，作为实际芯片还差得远，别把演示当产品。 项目信息 项目名：MoonshotAI/nano-kpuGitHub URL：https://github.com/MoonshotAI/nano-kpuLicense：Apache-2.0Star / Fork：47 / 5（截至 2026-09，早期） 它解决什么问题 严格说，nano-kpu 不解决任何生产问题。它回答的是一个更根本的问题：一个 AI 模型，能不能在没有人干预的情况下，独立完成一颗芯片的设计全流程。 答案在 Moonshot AI 的开源仓库里。nano-kpu 是一颗...