Google｜Dream-RSI研究：回放历史发现树最高可省约162倍发现调用

自探索智能体最贵的往往不是「想出更好的策略」，而是把已经失败过的路径再付费跑一遍。9月17日，据VentureBeat报道，Google与DeepMind及马里兰大学、弗吉尼亚大学等研究者提出Dream-RSI：让历史发现轨迹变成可查询的世界，在「做梦」里改进探索策略，从而少调用昂贵的在线发现智能体。

该工作由约17名研究者跨机构完成，定位轻量编排层：控制分支、并行与停止，而不改底层编码智能体本身。公开叙事刻意区分两类「RSI」：安全辩论里可能导致失控的递归自我改进，与工程上提高自探索循环效率的策略改进——Dream-RSI明确站在后者。

方法与结果要点（研究报道口径）：

1. 表示：把每次决策与结果建成「历史发现树」并落盘
2. 三阶段：在线探索建树 → 构造回放模拟器 → 基于做梦的策略改进
3. 收益：评估新策略只需读历史，无需重跑发现智能体/评估器
4. 数字：相对SimpleTES等基线，发现调用最高可减少约162倍
5. 示例：Lasso等任务上配合Gemini-3.1-Pro等，可同时改善质量—算力权衡；GPU kernel等任务亦给出少生成次数或更高表现的对照
6. 开放：代码称已公开

所谓历史发现树，白话是把探索过程存成带结果的搜索档案，而不是扔进日志黑洞。所谓回放模拟器，白话是问「假如当时换种分支策略会怎样」时，答案已经在磁盘上。所谓做梦改进，白话是先在档案里试成千上万种策略，再把赢家放回真实在线探索。

放在企业Agent预算暴涨的上下文里，团队常为重复失败路径二次付费。Dream-RSI把「已付费历史」变成可复用资产。竞品编排若只会加并行、不会读历史，成本曲线会更陡；若只有论文、缺可复现代码，热度也会快消。

产业影响上，若开源被广泛复现，可能进入更多Agent编排产品；若数字只绑死特定基线，采购仍会谨慎。需要把边界读清楚：162倍对照特定设置；研究≠已上线云产品。下一观察点是第三方复现质量，以及是否进入Google内部Agent栈。