AI试错太贵?谷歌想让它在历史搜索树里先做梦,再回真实环境验证

📋 摘要

过去两年，评价 AI 能力时大家盯着参数规模、基准分数和推理时长。谷歌研究者提出的 Dream-RSI 把镜头挪到了另一个地方：AI 想变得更强，真正卡住它的是探索的开销。这个判断很朴素，但它解释了为什么很多自动优化流程跑到一半就停了——不是找不到方向，是试不起。

据网易科技的报道，研究把递归自我改进的核心驱动力归结为高效探索。搜索空间不断扩大之后，固定的探索策略没办法自适应调整；而在线策略优化又存在迭代时间长、反馈慢的问题。用人话说，AI 面前可选的路越多，它越需要一套能随地形变化调整的找路方式，可每真跑一次都要付出算力和时间。

所以这不是模型够不够聪明的问题，而是预算问题。你要么花大钱多试，要么少试并接受可能错过更好的解。Dream-RSI 想在这两端之间找第三条路：让一部分试错发生在记录里，而不是发生在真实环境里。你可能会想，这跟我的团队有什么关系？关系在于，任何需要反复调参的流程，都在为探索付费，差别只是你有没有意识到这笔钱花在哪。

想象一个下棋的人，今天下了三盘，输了两盘。想变强，他不必把这三盘原样再下一遍，而是可以坐在棋盘前复盘：某一步如果换个走法，后面会怎么发展。复盘几乎不花时间，却能把很多分支提前推演出来。

Dream-RSI 的思路和这个很像。AI 在真实探索时会留下大量轨迹，这些轨迹连起来是一棵搜索树。研究者把这棵树本身当作一个可以反复推演的模拟世界：新的搜索策略不用重跑实验，就能在里面先试一遍。试出更好的策略，再回到真实环境里跑一次。

但类比到这就该收住。棋局有明确规则和胜负，复盘出来的走法好坏，理论上可以推。而 AI 面对的真实任务——调优一段算法、优化一个 GPU 内核——很多结果只有实际跑过才知道。这也是为什么论文强调：虚拟推演之后，仍要回到真实环境验证。

把这套方法拆开看，它其实是一条循环：真实探索留下搜索树，模型在树里反复试新的搜索策略，挑出更优的那个，再回到真实环境跑一次；这次跑出来的新结果，又变成更大的树，供下一轮推演。

省钱的地方很明确：被替代掉的是重复实验，而不是判断本身。真实环境只跑被推演筛过一轮的策略，探索的计算成本因此下降。但请注意，树越大、覆盖越广，推演的可信度才越高——这决定了它不是无条件的加速器。

换句话说，这套方法的边界从第一天就写好了：它的想象力，来自过去真实探索积累下来的记录。记录之外的世界，它推不出来。

据网易科技报道，这项研究在算法工程、数学优化和 GPU 内核工程三类任务上做了验证，结论是大幅降低探索的计算成本，发现效果达到甚至超越原有方案。三类任务有一个共同点：都有相对明确的评价指标，能判断一次尝试是好还是坏。

口径必须说清楚。公开报道给出的描述是定性的——大幅降低、达到甚至超越，但没有公开具体的百分比、重复次数和算力预算。这是一条来自媒体解读的信息，原始论文的出处与是否经过同行评审，现有材料里没有说明。所以更稳妥的说法是：方向值得关注，数字要等论文正文。

输入输出也可以讲得更具体。输入是历史探索留下的搜索树，节点代表试过的方案和结果；中间输出是候选搜索策略；最终输出是新策略回到真实环境后的表现。判断标准不复杂：在同样的算力预算下，它能不能找到和原来一样好、或者更好的解。

这套思路不必等大规模实验才能用。如果你手上有一个带明确指标的小任务，比如一段性能敏感的代码、一个反复调参的流程，可以按同样的骨架先跑一遍。重点不在复刻论文规模，而在把每一步的输入输出对齐清楚。你可能会问，我们连干净记录都没有，怎么谈推演？那说明当下该做的不是推演，而是先把记录补齐。

历史记录决定了它的上限：真实探索没覆盖到的区域，虚拟推演也推不出来，甚至可能给出看起来很美但实际错误的策略。另一个边界是评价来源——推演用的分数来自历史数据，历史数据里的偏差会被放大，策略看起来更优，可能只是更贴合旧数据。

边界之三在于验证成本并没有消失。找到新策略之后，仍然要回到真实环境跑一次，这部分开销省不掉。论文本身也把局限写在这里：虚拟推演依赖真实探索积累的历史记录，找到新策略后还要回真实验证，再开启下一轮循环。

还有一个不能忽视的问题：三类任务上的结论，能不能迁移到其他领域，现在没有证据。跨任务、跨规模的表现，属于仍待观察的部分。说实话，这类方法的宣传语容易跑在证据前面，读的时候要多留一个心眼。

对做 Agent 和自动化工作流的人来说，这套方法最值得拿走的不是名词，而是一个习惯：把每次尝试的记录当资产来管理。很多团队把日志当垃圾，跑完就丢；而这类方法的前提，恰恰是历史记录足够干净、足够结构化。

说句实话，这里最容易翻车的不是算法，而是数据。参数没记全、环境版本没标、失败案例压根没存——等到推演阶段才发现，再回头补已经来不及。有实战经验的团队通常会先把记录规范定下来，再谈自动化调优，否则后面每一步都在为前面的随意买单。

今天就能做的一件事：在现有的自动化流程里加一个记录环节，把每次尝试的输入、参数、环境和结果存成一张表。不用急着改造成什么框架，先让历史可查。等记录攒够了，再考虑要不要上推演。

🔬 RESEARCH · 结论与边界

Dream-RSI 给出的启发，是把探索本身当成可以优化的对象：先在历史里试，再回现实里验。你不需要照搬它的规模，但可以从今天开始，把每一次尝试记录下来——这是所有自动化改进里最便宜、也最容易被跳过的一步。下一步动作很具体：挑一个你手上反复调参的小流程，今天先补上记录字段。