谷歌研究人员构建了一套系统，能让AI发现智能体在无需进行更多底层工作的情况下大幅提升能力。Dream-RSI是由Google DeepMind、马里兰大学和弗吉尼亚大学的团队开发的框架，在一个基准优化任务中，将所需的发现智能体调用次数从51,200次降至仅317次——降幅约为162倍，仅用基线所需调用次数的一小部分就取得了同样的结果。

该框架在arXiv上发布的一篇论文中作了描述，论文编号为arXiv:2609.14858。其核心在于，Dream-RSI教会AI智能体重放并从自身先前的搜索中学习，而不是每次都从头开始运行新的搜索。

Dream-RSI的工作原理

该框架运行于一个三阶段循环，每个阶段都在前一阶段的基础上构建。

在第一阶段，系统运行一个初始的在线探索阶段，生成研究人员所称的“发现树”。这些是对智能体所采取的每条搜索路径的结构化记录，既包括走入死胡同的路径，也包括取得突破的路径。

在第二阶段，这些历史轨迹被转换为重放模拟器。系统无需再次调用底层编码智能体，而是从已有数据中重构决策图景。

第三阶段就是“做梦”发生的环节。另一个独立的大语言模型完全离线地评估并优化探索策略——涵盖分支策略、批处理规则以及何时停止搜索——无需任何新的昂贵智能体调用。编排层针对重放模拟器测试不同方法，确定哪种方法效果最佳，并为未来的运行锁定改进后的策略。

其结果是在不更新核心模型权重的情况下实现递归自我改进。智能体无需重新训练。

关键数据

在Lasso路径求解器任务中——Lasso是一种标准的正则化回归技术——SimpleTES基线需要51,200次发现智能体调用，每一次调用都是对底层编码智能体的一次调用。运行在Gemini-3.1-Pro上的Dream-RSI将这一数字降至317次。平均运行时间从3,587.1毫秒降至2,931.0毫秒。

Dream-RSI生成的解决方案在六个留出数据集上的表现优于sklearn（一个标准的Python机器学习库）和glmnet（一个广泛使用的正则化回归软件包）等知名库。即使与使用了550次调用的递归固定探索方法相比，Dream-RSI的317次调用也代表着显著的改进。

在用于GPU内核生成的基准测试KernelBench上，Dream-RSI与现有方法达到了相同的性能水平，同时在VGG16（一个知名的图像分类网络）上生成的次数减少了2.43倍，在LayerNorm（一种标准神经网络层）上减少了1.79倍。

为什么这很重要

实验中使用的Gemini-3.1-Pro和Gemini-3.7-Flash没有经过任何微调或权重更新。Dream-RSI作为编排层运行在现有模型之上，这意味着性能来自智能体的编排方式，而非模型本身的改动。

由Tong Zheng领导、包括来自Google DeepMind及合作大学的Xidong Wu和Zheng Zhang等贡献者的研究团队，已建立了项目网站和GitHub仓库。据称，相关代码正准备对外发布——这一步将让独立开发者能够检视其实现，并尝试复现所报告的智能体调用次数的削减。