徽声在线科技前沿报道

谷歌或已攻克递归自我改进（RSI）技术瓶颈！

最新消息显示，谷歌联合Google DeepMind、马里兰大学及弗吉尼亚大学科研团队，在人工智能进化领域取得突破性进展。

这项发表在arXiv平台的研究提出革命性方案：通过构建「梦境模拟器」，让AI系统在虚拟历史中实现自我进化。

研究团队创新性地将智能体的探索过程转化为可回溯的决策树结构，使AI能够在虚拟环境中复盘历史决策路径。

这种「梦境回放」机制允许AI在零真实算力消耗的情况下，对探索策略进行数千次迭代优化。

研究论文详见：https://arxiv.org/abs/2609.14858

实验数据显示Dream-RSI展现惊人效率：

在算法优化任务中，传统进化系统需运行51200代才能达到的优化水平，Dream-RSI仅需317次调用即可实现

在圆填充问题测试中，性能追平谷歌AlphaEvolveV2系统创下的行业纪录

GPU内核优化场景下，生成次数减少2.43倍而性能保持不变

该框架可直接适配Gemini 3.1 Pro和3.7 Flash等现有模型架构

更颠覆认知的是，人类指导反而降低系统性能的实验结论引发学界热议

论文发布后立即引发AI领域地震，X平台用户Mark Kretschmann惊叹："这可能是递归自我改进技术的重大突破！"

该研究由马里兰大学二年级博士生Tong Zheng领衔，其背后是包含DeepMind研究员在内的17人跨国团队。值得注意的是，Tong Zheng作为暑期实习生加入谷歌后主导了这项突破性研究。

研究核心突破在于建立「历史即梦境」的进化范式。论文指出："智能体必须通过梦境回溯历史决策路径，才能实现真正的自我改进。"

Tong Zheng在Hugging Face平台分享的研究笔记中强调了这个核心理念

历史数据成为AI进化的虚拟训练场

Dream-RSI系统直击进化搜索领域的关键痛点：传统系统依赖人工预设的探索策略，在复杂搜索空间中极易陷入局部最优解。

以AlphaEvolve为代表的早期系统虽能发现人类未探索的算法，但其固定策略模式导致算力分配效率低下，且无法从历史经验中学习。

研究团队通过决策树结构将探索过程可视化，每个节点记录包含文件系统快照、生成产物、评估诊断等完整决策上下文。

评估策略迭代成本过高的问题通过「梦境回放」机制得到解决：新策略直接在历史决策树上进行虚拟推演，无需重新执行代码。

传统方案评估单次策略需完整运行数百轮实验，而Dream-RSI的虚拟推演将评估周期从数天缩短至秒级。

系统架构采用双层设计：

执行层：由Gemini模型驱动的发现智能体负责代码生成与执行

策略层：轻量级Python代码构成的探索策略，控制并行尝试数量与止损时机

这种解耦设计使系统仅需优化策略代码，而保持底层模型不变

决策树结构作为核心创新，其每个节点完整记录：

• 初始工作区状态
• 文件系统快照
• 生成产物数据
• 评估诊断报告
• 性能得分

这种结构化存储使历史探索过程转化为可查询的「梦境数据库」。

策略优化时，系统通过节点遍历模拟不同决策路径：

• 深度探索：读取更多子节点数据
• 提前止损：减少节点遍历数量

整个评估过程完全基于历史数据回放，不产生任何真实算力消耗。

研究团队将这种机制类比为国际象棋大师的棋谱复盘：无需重新对弈，通过研究历史棋局即可提升棋艺。

Dream-RSI 三阶段进化循环

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执行，所有决策路径被结构化存储为决策树

2.模拟器构建阶段：历史决策数据库转化为可重用的虚拟推演环境

3.策略优化阶段：策略开发智能体在虚拟环境中生成数千个候选策略，通过快速回放评估性能

策略评分体系包含三个维度：

• 最优解发现能力
• 算力成本效率
• 并行探索奖励

综合得分最高的策略将进入下一轮真实环境部署

策略优化智能体采用三重输入机制：

• 当前策略的虚拟推演轨迹与得分
• 历史策略修改反馈数据
• 完整决策树结构

基于这些输入，系统直接生成优化后的策略代码，形成持续进化的闭环。

每轮迭代产生多个策略版本，通过虚拟推演选拔最优方案，确保系统性能永不退化。

这种设计使新策略的性能下限为保持现状，上限则可实现无限进化。

RSI飞轮效应由此形成：真实探索扩展决策树边界，虚拟推演优化探索策略，两者相互促进形成指数级进化。

性能永不退化的数学保障

离线优化阶段采用竞争性选拔机制：当前策略始终包含在候选池中，只有综合得分更高的新策略才能替代现有方案。

评分体系平衡了探索质量、算力成本和并行效率，确保新策略在数学意义上不可能比前代更差。

随着新策略部署到真实环境，其带回的更复杂决策树又进一步增强虚拟推演的准确性，形成良性循环。

系统进化呈现明显自适应特征：初期策略采用简单并行探索，后期逐渐发展出动态算力分配能力。

在ConvDiv内核实验中，系统在性能提升期自动减少单轮尝试次数，当性能停滞时则加大探索力度。

这种智能调节机制完全由系统从历史数据中自主习得，无需人工干预。

317次调用碾压5万代：人类指导反成桎梏

研究团队在三个领域验证系统性能：

1.算法工程领域：Lasso正则化路径求解器优化

使用Gemini 3.1 Pro的Dream-RSI系统，仅需317次调用就将求解时间从3587.1毫秒降至2931.0毫秒

相同条件下固定策略需要550次调用，传统SimpleTES系统则需51200次生成

Gemini 3.7 Flash版本通过1879次调用，将运行时间进一步压缩至2350.6毫秒

优化后的求解器采用创新方案：将自适应机制嵌入活跃集优化，通过强规则特征筛选和柯西-施瓦茨不等式剪枝，显著提升计算效率

由于进化发生在策略层而非模型层，小规模模型同样能获得性能提升

基线系统采用传统二选一策略，而Dream-RSI发现的方案实现了算法层面的创新融合

具体实现包含三级优化机制：

• 强规则特征预筛选
• 柯西-施瓦茨不等式剪枝
• 精确梯度回退计算

2.数学优化领域：三大高难度数学问题突破

在和差问题、圆装填问题和自相关不等式等几何优化难题中，Dream-RSI在1000代内达到或超越基线性能

相比需要51200代计算的SimpleTES系统，计算预算节省超过50倍，同时获得同等或更优解

3.GPU算子工程领域：KernelBench性能极限突破

测试涵盖四种典型GPU内核：

VGG16和LayerNorm内核优化中，Dream-RSI生成次数仅为传统方法的1/2.43和1/1.79

ConvDiv和ConvMax内核优化中，相同预算下性能分别达到传统方法的2.09倍和1.44倍

研究团队尝试将历史轨迹转化为方向性提示输入系统，结果发现人类指导反而降低探索效率。

在相同计算预算下，无指导系统的性能始终优于接受人类指导的系统。

反直觉发现：经验总结反而限制AI进化

实验揭示令人惊讶的现象：将历史经验抽象为高层原则输入系统，会导致性能显著下降

研究人员测试了「经验总结法」，让大模型提炼历史经验形成指导原则

结果显示，接受高层指导的智能体探索表现明显差于无指导基线系统

根本原因在于抽象原则转化为AI的认知偏见，过度约束搜索空间，扼杀探索多样性，导致系统陷入局部最优解

相比之下，Dream-RSI的虚拟推演机制直接操作具体历史数据，在并行控制、分支优先级等微观层面进行代码级优化

这种保持搜索空间开放性的设计，反而获得更优的探索效果

暑期实习生领衔的豪华科研团队

论文一作Tong Zheng（郑童）的学术履历引人注目：

2021年本科毕业于东北大学，师从国内顶尖机器翻译专家肖桐教授

2024年进入马里兰大学攻读博士学位，师从Brendan Iribe讲席教授黄恒

其研究方向始终聚焦突破模型局限：从ICLR 2025的投机解码技术，到ICLR 2026/ICML 2026的并行思考强化学习方案

Dream-RSI系统中的并行奖励机制，正是其研究脉络的延续与发展

导师黄恒教授是马里兰大学计算机系首任Brendan Iribe讲席教授，已发表约300篇顶会论文，主持7个NSF项目和3个NIH项目

17人作者团队包含谷歌Xidong Wu和Zheng Zhang两位通讯作者，以及推荐系统领域知名学者Wang-Cheng Kang

通往超级智能的隐秘通道已开启？

谷歌产品负责人Logan Kilpatrick此前透露：公司正在重点布局RSI技术，并已观察到早期突破迹象

他以Gemini系列模型的快速迭代为例：从3.5到3.8版本平均每三周更新一次，显示技术积累的指数级增长

谷歌计划将资源集中投入代码生成、科研探索等能够加速模型训练的领域

RSI技术突破正在改变AI进化范式：

传统路径依赖模型权重的自动修改，而Dream-RSI展示出全新可能性——通过优化外围控制策略实现系统进化

这种范式转变使模型能够以更低算力成本解决更复杂问题，为AI发展开辟新路径

正如论文结论所言：

智能体必须通过历史回溯实现自我改进，而完整的历史记录就是其进化的虚拟世界。

随着Gemini 4等超大规模模型的即将问世，这种基于虚拟历史回放的RSI技术，可能正在引领我们走向智能爆炸的临界点。

参考资料：

https://dream-rsi.com/

编辑：摩西 Aeneas