徽声在线科技前沿报道

谷歌在AI领域再掀风暴，疑似破解RSI技术瓶颈！

近日，谷歌联合Google DeepMind、马里兰大学及弗吉尼亚大学团队，在顶级学术平台发布突破性研究论文，揭示了一种颠覆性的AI自我进化路径——通过「梦境模拟」实现无限进化。

这项名为Dream-RSI的技术，创造性地构建了智能体历史经验回放机制，让AI在虚拟世界中预演策略优化路径，再反哺现实世界的高效探索。

其核心创新在于：将智能体每一步探索轨迹编码为树状结构，在模拟器中构建「梦境」场景。

通过在虚拟历史中反复推演，AI可快速迭代出最优探索策略，实现现实世界的高效突破。

论文地址：https://arxiv.org/abs/2609.14858

实验数据堪称惊艳：

• 算法优化任务：主流系统需51200代迭代，Dream-RSI仅需317次调用即达同等水平
• 圆填充问题：追平谷歌AlphaEvolveV2的顶尖纪录
• GPU内核优化：生成次数降低2.43倍，性能保持一致
• 模型兼容性：Gemini 3.1 Pro/3.7 Flash均可无缝适配

更引人深思的是，实验显示人类指导反而会降低AI表现，暗示自主进化可能比人工干预更高效。

论文发布后，X平台引发技术圈地震。网友Mark Kretschmann激动表示："这可能是递归自我改进的里程碑突破！"

该研究由马里兰大学二年级博士生Tong Zheng领衔，其背后是17人跨学科团队，包括DeepMind资深研究员与讲席教授。Tong Zheng今年夏天以实习生身份加入谷歌，即主导这项颠覆性研究。

Dream-RSI的核心突破在于构建了三层架构：

历史经验库：智能体的进化基石

所有探索轨迹被编码为「发现树」，每个节点包含：

• 文件系统完整快照
• 生成产物与评估数据
• 决策路径诊断信息
• 性能得分与优化建议

这棵不断生长的树状结构，成为AI「做梦」的虚拟世界。

传统进化搜索系统依赖人工预设策略，存在三大致命缺陷：

• 探索策略固化，无法适应复杂场景
• 算力分配低效，常陷入局部最优
• 策略评估成本高昂，迭代周期漫长

Dream-RSI通过历史回放机制，彻底解决这些痛点：

1. 执行层（Discovery Agent）

由Gemini 3.1 Pro/3.7 Flash驱动，负责：

• 读取工作区上下文
• 生成候选代码版本
• 提交评估器打分

2. 策略层（Exploration Strategy）

轻量化Python代码，决定：

• 探索节点选择
• 并行尝试数量
• 止损阈值设定

每次真实探索都会扩展「发现树」，形成可复用的历史数据库。策略迭代时，AI只需在虚拟树中回放历史场景，无需重复执行代码，评估效率提升数百倍。

这种机制被形象称为「做梦」，如同棋手通过复盘棋谱提升棋艺，而无需重新对弈。

Dream-RSI的进化闭环

系统运行包含三个核心阶段：

1. 真实探索阶段

当前策略引导智能体在真实环境运行，记录所有决策路径与反馈，形成新的结构化探索树。

2. 模拟器构建阶段

将历史数据库转化为可重用的「重放模拟器池」，支持快速策略评估。

3. 策略优化阶段

策略开发智能体在模拟器中：

• 生成上千候选策略
• 进行快速虚拟回放
• 综合评估策略得分

评分体系包含三重维度：

• 最优解发现能力
• 算力成本效率
• 并行探索奖励

得分最高的策略将进入下一轮真实探索，形成持续进化的闭环。

策略开发智能体采用三层优化机制：

1. 轨迹分析：研究当前策略的历史表现

2. 反馈整合：吸收前序版本的优化经验

3. 树状推理：基于完整发现树进行代码级优化

这种设计确保新策略「只进不退」，数学上保证部署性能不低于前代。

随着真实探索的深入，探索树不断扩展，模拟器精度持续提升，形成「探索-优化-再探索」的飞轮效应。

实验数据显示，系统展现出惊人的自适应能力：

在ConvDiv内核优化中，初期策略采用激进探索策略，保持每轮110次尝试。当性能增长停滞时，策略自动调整为深度探索模式，将尝试次数提升至极限水平，成功突破性能瓶颈。

这种自主决策能力，完全源自对历史经验的深度挖掘。

三大领域实测：317次调用碾压5万代迭代

研究团队在三个高难度领域验证系统效能：

1. 算法工程：Lasso正则化路径优化

面对高维统计难题，Dream-RSI：

• Gemini 3.1 Pro调用317次，将求解时间从3587.1ms降至2931.0ms
• Gemini 3.7 Flash调用1879次，进一步优化至2350.6ms
• 发现自适应活跃集优化方案，整合强规则筛选与柯西-施瓦茨不等式剪枝

相比固定策略需550次调用，基线系统需51200次生成，效率提升显著。

2. 数学优化：三大几何难题突破

在和差问题、圆装填、自相关不等式等任务中：

• 1000代内达到或超越基线性能
• 计算预算节省超50倍
• 发现全新优化路径，突破人类认知局限

3. GPU算子工程：KernelBench极限优化

测试四种关键内核表现：

• VGG16/LayerNorm：生成次数减少至1/2.43和1/1.79
• ConvDiv/ConvMax：性能提升至2.09倍和1.44倍
• 发现并行探索的最优算力分配方案

最具颠覆性的发现来自人类干预实验：

当研究团队将历史经验提炼为高层指导注入系统时，AI表现反而显著下降。进一步分析揭示：

1. 抽象经验转化为认知偏见，限制探索空间

2. 高层指导扼杀探索多样性，导致局部最优

3. 代码级微观优化远胜于宏观策略指导

天才实习生领衔：17人豪华团队揭秘

论文一作Tong Zheng的学术轨迹堪称传奇：

• 2021年本科毕业于东北大学，师从肖桐教授从事机器翻译研究
• 2024年进入马里兰大学，加入黄恒教授团队
• 2026年夏季实习期间主导Dream-RSI研发

其研究脉络一脉相承：从ICLR 2025的投机解码技术，到ICLR/ICML 2026的并行思考框架，始终聚焦于突破模型探索的局限性。

导师黄恒教授作为马里兰大学Brendan Iribe讲席教授，拥有：

• 约300篇顶会论文
• 7项NSF科研项目
• 3项NIH研究资助

17人作者团中，通讯作者Xidong Wu/Zheng Zhang来自谷歌核心团队，DeepMind资深研究员Wang-Cheng Kang（SASRec作者）提供关键支持。

ASI时代来临？谷歌布局下一代AI革命

谷歌产品负责人Logan Kilpatrick此前透露：公司正全力推进RSI技术研究，Gemini系列模型的快速迭代即是明证。从3.5到3.8版本每三周更新一次的频率，彰显其技术野心。

更值得关注的是，谷歌明确表示将算力资源向代码生成、科学研究等方向倾斜，这些领域恰是Dream-RSI展现优势的场景。

传统RSI研究聚焦于模型权重自动修改，而Dream-RSI开辟了全新路径：

通过优化外围控制策略（Harness），实现模型能力的指数级提升。这种范式转变可能带来两大革命：

• 降低AI进化门槛，小模型也可实现高效优化
• 突破算力限制，用历史经验替代重复计算

正如论文结语所言：

当智能体学会在历史中做梦，递归自我改进将不再受限于模型规模。虚拟世界中的每一次推演，都在为现实世界的智能爆炸积累能量。

随着Gemini 4等超大模型的临近，这种「梦境进化」模式或许将引领AI进入全新发展阶段。我们正站在智能大爆炸的临界点上。

参考资料：

https://dream-rsi.com/

编辑：摩西 Aeneas