让 AI 智能体通过「做梦」优化搜索策略

自我改进型 AI 智能体的基本工作流程是：提出方案、评估结果、从中学习、再次尝试。面对复杂任务时，搜索空间可能极为庞大，智能体需要不断判断哪些方向值得深入探索、哪些应当放弃。这一「探索」过程直接决定搜索是否成功，也是计算资源消耗的主要来源。现有方法要么采用固定策略、无法从经验中学习，要么在搜索过程中动态调整策略但代价高昂，因为验证每种策略是否有效都需要完整地重新运行搜索流程。

Dream-RSI 的解决思路类似于人类在陌生地区探路的经验积累。第一次走陌生路线时，人们会碰壁、折返、反复摸索；但一旦形成心理地图，就可以在脑中规划新路线，而无需再次亲身走遍每个角落。Dream-RSI 将这一原理应用于记录下来的搜索历史：智能体在搜索过程中保存所有尝试及其结果，形成搜索树；之后，新策略可以直接在这棵树上「回放」，检验若当初选择不同路径会发生什么，而无需重新生成或评估任何解决方案。

由于所有结果均已存储在搜索树中，智能体可以在不调用模型或评估器的情况下，测试数千种备选策略，从中选出最优方案后再用于下一次真实搜索。这一「做梦-执行」循环持续迭代：每次真实搜索结束后，智能体利用记录的结果测试更好的策略，再将改进后的策略应用于下一轮。整个过程中，只有搜索策略在演化，生成解决方案的底层模型始终不变。

研究团队在多项任务上验证了 Dream-RSI 的效果。在基因组学和金融领域常用的统计计算任务中，Dream-RSI 生成的程序在全部六个测试数据集上均优于 sklearn 和 glmnet 等成熟库。使用 Gemini 3.1 Pro 时，平均运行时间从 3587 毫秒降至 2931 毫秒，尝试次数从 550 次降至 317 次，而竞争方法 SimpleTES 完成同类任务需要 51200 次运行。在 GPU 内核编写任务中，Dream-RSI 最多以 2.43 倍更少的生成次数达到相同性能，或在相同预算内实现最高 2.09 倍的性能提升。

研究团队还测试了另一种利用历史搜索记录的方式：将其压缩为明确指令，告知智能体应在哪些区域搜索。结果发现，在某个 GPU 任务上，加入明确指令的版本反而表现更差。研究者认为，过于具体的方向会压缩搜索空间，阻碍智能体探索更广泛的可能性。这一发现与 Google Research 此前推出的 WikiSkill 系统形成对比——后者将历史失败与成功记录转化为可复用指令，而 Dream-RSI 的分析表明，在开放式搜索任务中，此类显式指令可能适得其反。

Dream-RSI 是近期递归自我改进领域持续升温的缩影。Google DeepMind 于 2025 年推出的 AlphaEvolve 同样基于类似原理，由 Gemini Flash 生成代码提案、Gemini Pro 分析评估，再通过进化算法筛选最优版本。Dream-RSI 则在此之上更进一步，专门优化搜索策略本身，而非直接优化解决方案。随着 Anthropic CEO Dario Amodei 等业界领袖对 AI 研究节奏发出警示，这一领域的进展正受到越来越广泛的关注。

要点

• Dream-RSI 通过回放历史搜索记录测试新策略，避免重复昂贵计算，将迭代次数最多减少 2.43 倍
• 该方法仅调整搜索策略，底层 AI 模型保持不变，形成「做梦-执行」持续迭代循环
• 在基因组统计计算任务中，Dream-RSI 生成的程序优于 sklearn 和 glmnet，且所需尝试次数远少于竞争方法 SimpleTES
• 过于明确的搜索指令可能压缩探索空间，在开放式任务中反而降低性能
• Dream-RSI 代表了递归自我改进研究的新进展，在 AlphaEvolve 等已有工作基础上，将优化层级提升至搜索策略本身