递归自我改进：谷歌 Dream-RSI 论文到底做了什么

📋 概述

递归自我改进指系统一轮轮提升自身智能，在 AI 安全语境里常被理解为模型改写自己的代码或权重。作者读完谷歌 36 页的 Dream-RSI 论文后指出：循环是真的，节省也被测量到了，但全篇里模型的权重从未移动。真正被改进的是一个搜索策略——一段小的 Python 程序，决定冻结的 Gemini 编码智能体接下来探索哪些想法；编码器、评估器和策略重写器都是固定模型。头条数字是在某套 Lasso 求解任务上，用 317 次 Gemini 调用取代 550 次就得到更快结果（2.93 秒对 3.59 秒）。在圆堆积任务上它拿到 2.635983 分，与 2025 年 AlphaEvolve V2 六位小数完全一致。