Google 研究人員打造出一套系統，能讓 AI 探索代理在底層工作量大幅減少的情況下，能力顯著提升。Dream-RSI 是由 Google DeepMind、馬里蘭大學與維吉尼亞大學的團隊共同開發的框架，在一項基準最佳化任務中，將所需的探索代理呼叫次數從 51,200 次降至僅 317 次——約減少 162 倍，僅以基線所需呼叫次數的一小部分就達成了成果。

該框架在 arXiv 上以編號 arXiv:2609.14858 發表的論文中有所描述。其核心在於，Dream-RSI 教導 AI 代理重播並從自己先前的搜尋中學習，而不是每次都從零開始執行新的搜尋。

Dream-RSI 的運作方式

該框架採用三階段循環運作，每個階段都建立在前一階段的基礎上。

在第一階段，系統執行初始的線上探索，產生研究人員所稱的「探索樹」（discovery trees）。這些是代理所走過每一條搜尋路徑的結構化記錄，包括死胡同與突破點。

在第二階段，這些歷史軌跡被轉換為重播模擬器。系統不需再次呼叫底層的程式碼代理，而是從既有資料中重建決策版圖。

第三階段就是「做夢」發生的地方。另一個大型語言模型完全在離線狀態下評估並精煉探索策略，包括分支策略、批次規則以及何時停止搜尋，過程中不需要任何新的昂貴代理呼叫。編排層針對重播模擬器測試不同的方法，找出最有效的做法，並為後續執行鎖定改進後的策略。

結果是在不更新核心模型權重的情況下實現遞迴自我改進。代理不需要重新訓練。

數據說話

在一項 Lasso 路徑求解器任務上（Lasso 是一種標準的正則化迴歸技術），SimpleTES 基線需要 51,200 次探索代理呼叫，每次呼叫都是對底層程式碼代理的一次調用。在 Gemini-3.1-Pro 上執行的 Dream-RSI 將這個數字降至 317。平均執行時間從 3,587.1 毫秒降至 2,931.0 毫秒。

Dream-RSI 產出的解決方案，在六個保留資料集上的表現超越了既有的函式庫，例如標準 Python 機器學習函式庫 sklearn，以及廣泛使用的正則化迴歸套件 glmnet。即使是與使用 550 次呼叫的遞迴探索方法相比，Dream-RSI 的 317 次呼叫也代表著顯著的改進。

在 GPU 核心生成基準 KernelBench 上，Dream-RSI 在與現有方法達到相同效能的同時，在知名影像分類網路 VGG16 上減少了 2.43 倍的生成次數，在標準神經網路層 LayerNorm 上減少了 1.79 倍。

為何重要

實驗中使用的 Gemini-3.1-Pro 與 Gemini-3.7-Flash 並未經過任何微調或權重更新。Dream-RSI 作為編排層建構在既有模型之上，這意味著效能提升來自代理的編排方式，而非模型本身的變更。

由 Tong Zheng 領導、成員包括來自 Google DeepMind 與合作大學的 Xidong Wu 和 Zheng Zhang 等貢獻者的研究團隊，已建立了專案網站與 GitHub 儲存庫。據報導，程式碼正準備對外發布——這一步驟將讓獨立開發者能夠檢視實作內容，並嘗試重現所報告的代理呼叫次數縮減。