Dream‑RSI：AI 不靠修改模型权重实现递归自我进化？揭秘谷歌 “做梦式” 自我改进框架

步步糕升

导语

      提起 AI 自我进化，大众的固有印象大多是：不断重新训练、更新大模型权重，让模型本身变得更聪明。但谷歌联合 Google DeepMind、马里兰大学、弗吉尼亚大学发布的论文Dream‑RSI（Recursive Self‑Improvement through Evolving Worlds），提出了一条完全不一样的递归自我改进路线36氪。
      这套框架不会改动底层大模型（Gemini 3.1 Pro / 3.7 Flash）的权重参数，AI 通过 “做梦” 也就是回放过去真实的探索历史，迭代优化上层探索策略，大幅降低复杂科研任务的算力消耗。同时论文也出现一个反直觉结论：人为给 AI 提炼高层经验指导，有时反而会拖累探索效果。
本文通俗拆解 Dream‑RSI 运行原理、完整工作循环、实测实验效果，同时讲清它的能力边界，区分媒体渲染和论文真实结论。

提示：本文为 AI 技术科普，不构成投资、技术选型建议。

一、传统递归自我改进的算力死结

递归自我改进 RSI（Recursive Self‑Improvement），通俗理解：AI 改进自身的工作方式，改进后的版本继续迭代优化自己，形成持续自我增强的闭环。
在 Dream‑RSI 出现之前，AI 做算法、内核、数学方案探索，存在一个巨大算力痛点：底层编码智能体负责生成候选方案，运行实验评估好坏；而探索策略（决定往哪个方向尝试、开多少并行任务、什么时候放弃无效分支）大多是工程师手写固定的。
如果想要优化这套探索策略，传统方案代价极高：每修改一版策略，都需要完整跑完成千上万轮真实实验，才能评判策略的好坏。每一次迭代都要消耗巨量算力，迭代速度被昂贵的真实评估牢牢卡住。
Dream‑RSI 的核心巧思：不再每一次调策略都重复跑真实实验。把过往全部真实探索的完整过程保存为一颗「发现树」，把历史记录改造成可回放模拟器。新的候选策略，直接在历史树上面做模拟推演，也就是论文所说的 “做梦”。只在筛选出最优策略之后，才回到现实世界开展新一轮真实探索虎嗅网。

打一个迷宫的通俗比方：AI 第一次闯迷宫，实实在在走完各种路线，把每一条路径、成功与失败全部记录，形成完整地图。后续测试新的走迷宫策略时，不用再跑进真实迷宫，直接对着已经记录好的地图，在脑中推演不同走法。只有筛选出更好的策略，才重新进入真实迷宫，去开拓之前没有走到过的全新区域。

重点澄清：这里的 “做梦”不是大模型凭空幻想、预测未知结果，它只能复用已经真实发生过的历史记录，不能凭空虚构从未发生的实验结果。
二、Dream‑RSI 完整三轮运行闭环

整套系统分为两层：底层编码智能体（大模型权重固定不变）；上层编排层，真正被迭代优化的是探索策略代码（Python 程序），它决定搜索分支、并行数量、终止条件。
完整自我改进循环分为三步：

• 真实在线探索使用当前版本的探索策略，指挥底层大模型智能体真实执行任务（算法求解、数学优化、GPU 内核开发）。每一步尝试、中间产物、执行结果全部保存，生成一颗结构化发现树，不断扩充历史数据库。
• 构建回放模拟器把累积的多颗发现树，组装成回放模拟器池。模拟器里全部是历史真实实验留下的客观结果，不做凭空预测。
• 做梦：离线迭代优化探索策略策略优化智能体批量生成上千套候选探索策略，全部在回放模拟器内做离线打分评估。打分综合三项指标：任务最优结果、尝试次数带来的算力成本、并行执行收益。
  

关键约束：只有新策略综合得分优于当前在用策略，才会被部署上线，保证策略只会原地踏步或者变得更好，不会退化。

优选后的新策略回到第一步，开展新一轮真实探索。真实探索会走到历史从未触及的分支，产出全新的发现树，再反哺扩充模拟器。

循环逻辑：真实探索 → 沉淀历史记录 → 构建模拟器 → 离线 “做梦” 筛选更好策略 → 上线新策略，继续拓展新历史。

三、三大领域实测效果，算力开销大幅下降

研究团队在算法工程、数学优化、GPU 内核优化三类硬核任务上做对照实验，对比固定手写策略基线方案：

• 算法工程：Lasso 正则化路径求解器基线系统 SimpleTES 需要 51200 代生成；Dream‑RSI 仅 317 次智能体调用就达到同等效果，将求解平均耗时从 3587 毫秒下降至 2931 毫秒，算力开销下降超过 162 倍；即便使用规格更低的 Gemini 3.7 Flash 小模型，同样可以拿到显著收益。并且自动挖掘出人类没有预设的自适应特征筛选算法逻辑。
• 数学优化任务：和差问题、自相关不等式、圆填充问题在圆填充任务追平谷歌 AlphaEvolve V2 公开最优记录；部分任务在一千代以内达到基线五万多代的性能水平，算力预算节省 50 倍以上dream-rsi....。
• GPU 内核工程（KernelBench）VGG16 内核，达到同等性能，生成次数减少 2.43 倍；在同等算力预算下 ConvDiv 等任务性能最高提升 2.09 倍arXiv。
  

重要说明：全程底层大模型权重完全没有修改，提升全部来自上层探索策略的迭代优化。

四、反直觉实验结论：给 AI 总结高层经验指导，效果反而变差

研究做了一组对照：把历史探索踩坑的教训，提炼成人类总结的高层语义经验，直接放进提示词用来指导下一轮探索。实验结果出人意料：加入人为提炼的方向性指导之后，任务表现反而低于无指导版本dream-rsi....。
背后原因：长周期科研探索存在大量并行可能性。人类总结出来的高层经验，相当于施加很强的先验偏见，会过早约束搜索空间，把一些短期看起来没有希望，但后期能产出重大突破的分支直接过滤掉，扼杀探索多样性，容易困在局部最优解。
Dream‑RSI 不把历史压缩成几句总结性的文字，而是完整保留全部原始试错轨迹。策略优化直接操作分支调度、并行、停止条件这些底层执行逻辑，保留搜索空间的多样性。
五、Dream‑RSI 明确能力边界，不要过度神话 “做梦进化”

这项框架有不可逾越的硬限制，也是阅读论文需要区分开媒体渲染的关键点：

• “做梦” 只能复用已经真实探索过的路径回放模拟器输出全部来自过往真实实验记录。历史发现树中不存在的分支，模拟器无法凭空推演结果。想要开拓全新方向，必须回到真实环境跑新一轮实验。做梦可以降低评估成本，但不能替代真实世界的探索。
• 它不会修改底层大模型权重迭代进化对象是上层的探索调度策略（Python 代码），底层 Gemini 大模型本身的参数、能力保持原样，不是实现大模型自身权重的递归自我重设计。
• 历史积累是前置成本离线 “做梦” 几乎不消耗智能体调用，但构建发现树需要前期昂贵的真实实验，属于成本摊薄，不是彻底消灭算力开销。
• 高层语义指导不是完全无用只是在这类多分支、长周期开放科研搜索任务场景下会起到反效果；并不代表所有 AI 任务都不能用人类经验提示。
  

六、常见认知误区澄清

• 误区：Dream‑RSI 实现了大模型自己改写自身权重，真正实现 ASI 全自动自我变强。纠正：底层模型权重完全固定，只迭代上层调度探索策略，属于元层面的流程优化，不是模型本体重训练。
• 误区：AI “做梦” 可以凭空预测从未做过的实验结果。纠正：“做梦” 本质回放历史真实记录，不能生成没有发生过的实验结果；新领域仍然需要真实在线探索。
• 误区：所有场景加入人类总结的经验提示都会降低 AI 性能。纠正：该反直觉结论来自长周期多分支开放科研探索；普通问答、写作、简单推理任务，人类提示指导依旧有效。
• 误区：Dream‑RSI 出来之后，AI 科研算力需求会直接暴跌。纠正：它降低策略迭代评估的开销，但是开拓全新未知问题，依然需要真实实验算力，是摊薄成本，不是消灭成本。
• 误区：只要用上 Dream‑RSI，随便丢给 AI 一个难题就能自动产出顶尖算法。纠正：需要前期大量真实探索积累历史发现树，适合长周期多分支的发现类任务，不是万能通用方案。
  

文末总结

Dream‑RSI 给递归自我改进提供了一条很有启发性的新思路：AI 变强，不一定非要反复训练、修改底层模型权重。可以把优化目标放到上层探索调度策略，复用已经做完的真实试错历史，在回放模拟器中低成本筛选更好的执行方案，再回到现实拓展未知空间，显著降低长周期科研任务的算力开销。
同时论文也抛出值得思考的反直觉现象：对于高度开放、多分支的科研探索，过早把历史压缩成几句人类总结的高层经验，反而会扼杀多样性，限制 AI 的探索潜力。
但我们也需要客观看待它的边界：“做梦” 不能凭空创造未知结果，开拓全新领域依然要回到真实世界运行实验。它是一套元层的流程优化框架，距离大众想象里完全自主的超级递归自我改进，仍然有很远的距离。