【Agent】自进化Dream-RSI

note

  • 真实环境先探索出很多历史轨迹/分支 → 用这些历史树做低成本 replay → 比较"不同搜索策略"怎么走更有效 → 更新上层探索 policy → 再回到真实环境探索

文章目录

  • note
  • [一、Dream-RSI: Recursive Self-Improvement through Evolving Worlds](#一、Dream-RSI: Recursive Self-Improvement through Evolving Worlds)
  • Reference

一、Dream-RSI: Recursive Self-Improvement through Evolving Worlds

Dream-RSI: Recursive Self-Improvement through Evolving Worlds

链接:https://arxiv.org/abs/2609.14858

项目:https://github.com/zhengkid/Dream-RSI

Motivation: 传统递归自我改进(RSI)中,固定探索策略难以随着搜索空间扩大持续适应;而在线优化探索策略,又需要让每个候选策略执行昂贵的长程探索,反馈延迟高、成本大,限制策略迭代效率。

解决方法: 不修改底层 Coding Agent 权重,而是优化上层的 exploration policy / orchestration strategy。核心是把历史真实探索形成的 discovery tree 直接作为 replay simulator,在已探索过的搜索空间内低成本回放、评估和改进候选探索策略;再将更优策略部署回真实环境继续探索,并用新产生的 discovery tree 扩充 simulator pool,形成递归自改进闭环。

核心动作:

1)当前探索策略驱动 Agent 在真实环境中搜索,并记录完整 discovery tree;

2)在历史 discovery tree 上进行 "dreaming / replay",离线评估多个候选探索策略;

3)选择更优策略重新上线,用新的真实探索结果继续扩充 replay simulator,循环迭代。

结果: 在算法工程、数学优化和 GPU Kernel 工程任务上验证,整体在保持或提升 discovery quality 的同时显著降低探索成本;其中部分任务可大幅减少 discovery-agent calls / generations

Reference

1 谷歌重磅发布Dream-RSI,最新RSI研究!

相关推荐
Csvn9 小时前
同一个问题问 100 遍,钱就扣 100 次?精确缓存让它只扣一次(C02)
人工智能·aigc·agent
岁月宁静10 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
小七-七牛开发者11 小时前
周 1 上线 | DSH 喜提原神进场动画,Anthropic 启动 IPO 路演;黄仁勋辞任;微软全球大宕机超 24 小时
ai·大模型·agent·token·工作流·claudecode·ai coding
泯泷12 小时前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent
阿里云大数据AI技术12 小时前
云栖实录|倍思科技 × 阿里云:让VOC洞察从“生成报告”走向“业务可用”
人工智能·elasticsearch·agent
QuZhengRong13 小时前
【AI】Agent 全栈进阶|AgentScope 沙箱源码解析
python·学习·ai·agent·沙箱
阿里云大数据AI技术13 小时前
孩子王基于阿里云Data Agent的智能体实践:300+Agent 覆盖400+业务场景
大数据·人工智能·agent
玄魂14 小时前
小红书/抖音图文排版利器——一个杂志风skill
人工智能·agent·视觉设计
用户718800806057814 小时前
服务全绿,Issue 却没人接:DeepSeek Superagent 本机部署踩坑记
agent
初学AI的小高14 小时前
RAG 知识库更新实战:增量索引、版本控制与可验证删除
后端·agent