AI开始在梦里进化了?什么是Dream RSI?

如果把攻克尖端算法和科学难题，比作在迷雾重重的万丈矿山里淘金。普通AI就像一个被雇佣的打工人，工具越用越顺手，淘出的金矿纯度越来越高，但这仅仅叫产出变好。至于往哪座山头挖、哪个坑挖不出来该及时放弃，全靠背后人类工程师写死的固定规则。

而真正可怕的RSI，也就是递归自我改进，逻辑完全不同。这个工人不仅在挖矿，他还能自己发明一套全新的勘探管理学，甚至不断迭代自己的底层决策框架，形成自己把自己变聪明的滚雪球闭环。

但过去AI进化最大的痛点，在于改策略比挖矿本身还贵。以前你想测试一套新策略灵不灵，唯一的办法是让大模型把整座矿山从头到尾再挖一遍，动辄调用成千上万次大模型，耗费几天时间和几十万算力，商业上根本玩不起。

谷歌提出的Dream-RSI，思路非常绝，它直接借鉴了一个生活常识：白天实战踩坑，晚上在脑子里复盘做梦。

第一步是白天实战。AI拿着现有策略去真实环境里写代码、跑测试。最关键的是，它把每一步尝试、成功代码、甚至每一次报错细节完整保留下来，画成一张巨详细的实战历史地图。

第二步是晚上做梦。到了策略升级环节，它根本不需要再去真实世界里重新调用大模型去刨土，而是直接在这张地图上做沙盘推演。如果当时在某个坑果断止损，或者在另一个岔路多走两步，结果会不会更好？所有坑白天都踩过了，数据全在，AI几秒钟就能在梦里推演成千上万套新策略，以极低的成本挑出最优解。

第三步，带着在梦里复盘出的更强战法，天亮醒来，继续挺进深山老林。

整个实验中最颠覆认知、也最讽刺的，是一个关于经验的发现。人类总习惯好为人师，研究团队最初也尝试让大模型给AI总结所谓的经验，比如叮嘱一句“上次往右走撞墙了，以后别去”。结果让人大跌眼镜：加上这种经验总结后，AI的表现居然断崖式暴跌。

为什么？因为人类或大模型总结的经验法则，本质是一种极度粗暴的抽象与偏见。你告诉它右边不行，它就会把整条右路彻底封死，却完全忽略了只要换个姿势，右边可能就是一座大金矿。Dream-RSI最聪明的地方，就是绝不给AI灌输虚头巴脑的大道理，只保留客观事实的真实细节，让策略回到具体的十字路口自己重新推演。

它没有修改底层神经网络的大脑，也不是科幻片里毁灭人类的通用神迹。但它从商业和工程上证明了一条极具杀伤力的路径：哪怕底层大模型智商完全不涨，只要把外层的做事与探索方法交给它自己去推演迭代，就能用五十分之一的极低成本，啃下以往顶尖专家都搞不定的硬核难题。