巨头还在密谋踩刹车，谷歌已让AI靠“做梦”无限进化？317次调用跑赢5万代，人类指导反而成累赘
谷歌 Dream-RSI 彻底击碎了 OpenAI 与 Anthropic 渲染的“RSI 必定失控需垄断牌照”的恐慌叙事。底层大模型权重零修改，仅凭 Python 外围策略在历史发现树上做梦离线重放，就能以 317 次调用碾压 51,200 代进化。更具讽刺意味的是，人类在 Prompt 里传授高阶经验反而成了束缚 AI 的累赘。自我进化的钥匙不是万卡中心，而是轻量敏捷的工程调度架构。
# 巨头还在密谋踩刹车，谷歌已让AI靠“做梦”无限进化？317次调用跑赢5万代，人类指导反而成累赘
就在昨天，硅谷三大掌门人还在密室里就“AI 可能引发人类灭绝”达成历史性和解，以防范不可控的递归自我改进（RSI）为由大张旗鼓地呼吁全行业放慢脚步，OpenAI 甚至顺势搁置了 2026 年的千亿上市。然而不到 24 小时，谷歌与 DeepMind 天团便将一篇 17 人联合签名的重磅论文甩上了 arXiv：AI 自我进化根本不需要触碰底层神经网络权重，只要把历史存成一棵树并在梦境里复盘改写策略代码，仅凭 317 次调用就能碾压传统进化算法跑了 5 万代的极限成果。更具讽刺意味的是，实测证实人类试图在 Prompt 里“传授高阶经验”，反而直接沦为扼杀 AI 探索潜力的认知枷锁。
---
核心结论：撕下科幻恐慌与监管高墙的面具
- RSI 根本不需要触碰神经网络权重：长期以来，行业被 OpenAI 和 Anthropic 灌输了一种科幻恐慌——所谓的递归自我改进，必定是超级模型在黑暗中暗自修改自身数千亿浮点权重、进而迅速脱离人类控制。谷歌与 DeepMind 的 Dream-RSI 彻底击碎了这种叙事：底层模型（Gemini 3.1 Pro 或 Gemini 3.7 Flash）权重自始至终一字未改，自我进化的对象只是一段几十行的 Python 探索策略编排代码。
- “做梦”让策略评估彻底摆脱算力黑洞：传统进化搜索最大的死穴在于评估一套新策略需要让智能体在真实环境重跑成百上千轮，算力成本根本无法承受。Dream-RSI 将已走过的探索路径沉淀为结构化“发现树”，在评估新策略代码时完全不调用大模型、不执行真实编译，直接在长好的树上“离线回放做梦”，数秒内即可无消耗完成数千次策略选优。
- 317 次调用降维打击 51,200 代进化搜索：在高维统计中的经典数学难题 Lasso 正则化路径求解器上，搭载 Dream-RSI 的 Gemini 仅消耗 317 次模型调用，就达到了主流进化搜索基线 SimpleTES 狂跑 51,200 代才拿下的运算速度（耗时由 3587 毫秒降至 2931 毫秒）；在 GPU 内核工程上，生成次数暴降 2.43 倍，算子加速性能翻倍。
- 人类指导被证明是帮倒忙的累赘：论文中最颠覆认知的对照实验显示，当研究人员尝试将人类总结的高阶行业经验和方法论注入 Prompt 手把手指导智能体时，探索表现不但没有提升，反而显著劣于没有任何先验指导的基准。人类自以为是的“宏观智慧”，在微观高维搜索空间里直接退化为致命的认知偏见。
---
发生了什么：解耦“干活”与“怎么干”，智能体在历史树里离线复盘
要理解 Dream-RSI 的震撼之处，必须先看清传统代码进化系统的死穴。
以谷歌自家早期的 AlphaEvolve 为代表，业界此前已经证实：让 LLM 充当程序员跑进化搜索，确实能挖掘出人类数学家从未设想过的高效算法。但这类系统存在一个致命的工程死穴——探索策略完全依赖工程师预先写死。
面对极其庞大的算法解空间，到底应该在哪一个候选代码分支上加大并行算力？遇到报错或者局部最优该何时止损？什么时候应当拉高采样温度？这些关键决策全靠人类写在配置文件里的硬编码规则。一旦搜索空间暴增，这种僵化策略就会把极其昂贵的大模型算力不断砸进死胡同，而且“记吃不记打”。
既然探索策略如此重要，为什么不让策略自身也参与进化？答案是评估成本高到了荒谬的地步： 评估一段具体的候选算法代码，扔进沙盒跑一次单元测试，几秒钟就能拿到执行耗时和准确率；但要评估一套“探索策略”，就必须让它操控大模型从头到尾探索几百轮，看它最终挖出来的算法好不好。每微调一行策略代码，就要耗费几天时间和成千上万张卡重新跑一遍全流程，没有任何团队能烧得起这种算力。
```text 传统进化搜索的死循环： 修改策略代码 -> 重新调用万次 LLM -> 真实编译与执行 -> 等待数天拿评估分 -> 算力破产
Dream-RSI 的解耦双层架构： 【顶层：策略进化 Agent】 <---> [探索策略 Python 代码] (负责决定走哪条路、开几路并行) │ (在长好的树上做梦离线回放，0 算力) ▼ 【历史重放模拟器池】 <─── [ 发现树 Discovery Tree ] (记录工作区、代码快照、诊断、得分) ▲ │ (真实执行带回新历史) 【底层：发现执行 Agent】 <---> [Gemini 3.1 Pro / 3.7 Flash] (只管干活修改候选代码) ```
Dream-RSI 给出的破局解法极其优雅：把“具体干活”和“决定怎么干”彻底拆成两层，用真实历史构建一个永远不产生额外算力消耗的离线世界模型。
- 底层执行层（Discovery Agent）：由未做任何权重修改的通用大模型（如 Gemini 3.1 Pro 或 Gemini 3.7 Flash）担任。它的职责非常纯粹——每次接过一个工作区，根据当前代码上下文改出一版新的候选算法代码，交由真实沙盒评估器运行打分。
- 中间资产层（发现树 Discovery Tree）：智能体在真实世界中踩过的每一个脚印都被完整记录。树的根节点是初始工作区，每一个子节点都详细记录了那次尝试的完整现场：文件系统变更快照、代码 Diff、编译器日志、执行耗时诊断和基准得分。
- 顶层策略进化层（Strategy Developer Agent）：探索策略本身被形式化为一段纯 Python 代码，专门负责编排底层智能体：决定下一轮从哪几个节点继续分裂、一次开几个并发尝试、什么时候执行剪枝止损。
当顶层的“策略开发智能体”需要改写并评估新策略时，它根本不需要再去调用真实大模型，也不去调用编译器，而是直接回到已经长好的这棵发现树上“做梦”。
这就像顶级棋手复盘棋局——棋手不需要把棋子重新摆上棋盘、再花四个小时跟对手真刀真枪重下一遍，只需要翻看棋谱记录：如果当初第 15 步我不走跳马、而是选择挺兵，后续对手的应对和局势演变在既定棋谱树里早已一目了然。
新策略代码在历史树中跑一遍，模拟器立刻给出综合得分： - 梦境中最终锁定的最优算法得分； - 扣除模拟尝试次数所对应的算力成本罚分； - 给予批量多分支并发的并行探索奖励。
只有当新策略在梦境模拟器里的综合重放得分严格超越上一代时，新策略才会被批准上线并部署到真实世界。这在数学上确立了一个不可动摇的底线：新策略的表现下限是原地踏步，上限则是借由真实探索带来的更深历史树实现无限进化。
---
为什么重要：317 次碾压 51,200 代，工程化战果打破算力壁垒
这套在历史中做梦的机制，在工程落地中的威力究竟有多大？论文分别在高维数值算法、极限数学极值和底层 GPU 算子三大高难度领域给出了实打实的数据。
| 测试任务与领域 | 传统基线方法与算力开销 | Dream-RSI 实际开销与耗时 | 核心效率倍率与表现反差 | | :--- | :--- | :--- | :--- | | Lasso 正则化路径求解器<br/>(高维统计与特征工程老难题) | SimpleTES 进化基线<br/>累计消耗 51,200 次生成调用 | Gemini 3.1 Pro + Dream-RSI<br/>仅需 317 次真实调用 | 效率提升 161.5 倍<br/>平均运行时间从 3587ms 骤降至 2931ms | | Lasso 成本下沉验证<br/>(测试较轻量模型进化潜力) | 固定策略人工启发式<br/>需 550+ 次调用且易陷局部极值 | Gemini 3.7 Flash + Dream-RSI<br/>消耗 1879 次极廉价调用 | 性能刷新纪录<br/>运算耗时进一步压榨至 2350ms，且单次调用单价仅为大模型几分之一 | | 三大前沿数学极值问题<br/>(圆装填、和差问题、自相关不等式) | SimpleTES<br/>需要 51,200 代深度算力池 | Dream-RSI 框架<br/>在 1,000 代以内全面达成并超越 | 算力节约超 50 倍<br/>圆装填问题直接追平谷歌自家 AlphaEvolveV2 最强历史纪录 | | GPU 算子工程：LayerNorm / VGG16<br/>(底层系统关键算子优化) | 固定探索策略<br/>需消耗海量内核变种代码编译 | Dream-RSI 策略自演化<br/>分别以 1/1.79 与 1/2.43 生成量达成目标 | 生成次数暴降 2.43 倍<br/>在同等内核加速比下大幅节省 GPU 编译调试耗时 | | GPU 算子工程：ConvDiv / ConvMax<br/>(高算力消耗卷积除法算子) | 固定探索策略<br/>固定分配探索与剪枝预算 | Dream-RSI 策略自演化<br/>给予同等计算预算进行自适应探索 | 加速性能提升 2.09 倍<br/>自动发现内核共享内存与寄存器重排新范式 |
最令人叹为观止的不是单纯的跑分数字，而是策略代码在演化过程中展现出的自发动态调度智慧。
在 ConvDiv 内核实验中，人类工程师从未向策略代码灌输任何“何时该激进、何时该保守”的规则。然而在经历了几轮梦境复盘后，新策略代码居然自发形成了一种高度拟人化的节奏控制： - 当内核优化处于性能爆发期时，策略自发将每轮并发尝试次数从 110 次大幅砍至 50 次，把算力高度聚焦在已经产生突破的优势分支上，避免无谓浪费； - 一旦监测到优化指标陷入停滞，策略立刻再度把并发尝试拉满，甚至主动提高不同节点间代码变异的跨度，强行跳出局部最优陷阱。
这种“在上升期精打细算、在瓶颈期全力试错”的工程直觉，完全是策略在树形历史与打分函数的相互咬合中“悟”出来的。
---
极其反直觉的实验：人类自作聪明指导，反而把 AI 推进阴沟
如果说 317 次碾压 5 万代展示的是 Dream-RSI 的工程力量，那么论文中一段不起眼的对照实验，则给整个人工智能行业乃至提示词工程（Prompt Engineering）结结实实泼了一盆冷水。
在实验中，研究团队设想：既然人类拥有丰富的算法设计经验和宏观逻辑，如果在每一轮探索前，让模型先对历史踩坑记录做一次“高层经验总结”，把提炼出的方法论和方向性提示塞进 Prompt 里，“手把手教智能体走正道”，效率岂不是会更高？
实验结果彻底颠覆了所有人的直觉： 在同等计算预算下，注入了人类高层经验总结的智能体，探索表现不仅没有丝毫提升，反而显著落后于没有任何人类指导的原始基线！
“一旦把具体执行中的经验生硬地抽象为宏观原则，它们立刻就会退化为 AI 的认知偏见。这种看似高明的高层指导，过度束缚了智能体的探索边界，扼杀了微观维度的分支多样性，最终将智能体死死锁死在局部最优解里。”
这一结论直击当前大模型工业界最深层的痛点： 1. 宏观教条往往是探索的毒药：人类所谓的“行业常识”和“教科书逻辑”，本质上是人类有限算力和思维带宽下的妥协产物。当我们在 Prompt 里告诉 AI“先做特征归一化、再做梯度剪枝”时，实际上是剥夺了 AI 探索更反常识底层组合的权力。 2. 代码级微观规则远胜概念说教：Dream-RSI 之所以能跑赢，恰恰在于它从不给 AI 灌输任何空洞的形而上学总结。它的策略自进化完全落在极其具体的代码逻辑上——这个分支分配 3 个 Worker，那个节点如果报错立即剪枝，这里用柯西-施瓦茨不等式快速验算。不玩虚的概念，只做微观算力调度，反而让探索空间始终保持了纯粹的开放性与生命力。
---
我们的判断：RSI 不是神秘奇点，而是外围系统的代码重构
对比昨天奥特曼、马斯克、阿莫代伊联合制造的“降速恐慌”，Dream-RSI 的横空出世犹如一记响亮的清脆耳光。结合 AI Radar 编辑部的长期跟踪，我们给出以下明确判断：
1. 巨头鼓吹的“RSI 失控论”在技术事实面前不攻自破 昨天三大巨头联手呼吁全行业踩刹车、甚至借此合理化 OpenAI 延期上市，其核心叙事基础就是将 RSI 渲染成一种“不可预测、一旦触发就会毁灭人类”的超自然现象。他们借此向监管机构兜售一套逻辑：只有经过严苛政府审查、拥有数十亿美元安全防护的大公司，才有资格研发下一代模型。 Dream-RSI 用实打实的开源代码和论文证明：递归自我改进根本不需要涉及神经网络底层权重的神秘质变。它本质上就是一个经典的软件工程系统——外围编写一个能审视运行日志、并不断自我修改 Python 编排规则的轻量级 Harness 框架。这种框架完全透明、可解释、可在本地沙箱随时终止，所谓“模型自己暗度陈仓篡改权重消灭人类”的危言耸听，不过是寡头为了阻击开源、确立牌照垄断的遮羞布。
2. 小模型与开源生态将迎来前所未有的平民化逆袭 在 Dream-RSI 框架下，高维复杂算法的发现成本被直接压缩了两个数量级以上。更关键的是，实验证明换用单价极低、体量更小的 Gemini 3.7 Flash，配合动态进化的策略层，同样能压榨出比大模型更优异的求解速度。 这意味着，决定下一代前沿算法突破的，不再单纯是坐拥 10 万张 H100 的超级算力中心，而是外围调度架构的灵活性。中小企业和独立研究者完全可以依托开源模型，利用本地历史发现树构建自己的“做梦闭环”，以万分之一的边际成本攻克过去只有巨头才能涉足的底层编译、数学证明与药物分子设计。
---
仍然要观察：Dream-RSI 尚未解决的边界与未知项
尽管 Dream-RSI 的数据表现令人惊艳，但理性审视其论文与技术全貌，仍然存在以下不可忽视的物理边界与观察哨：
- 观察哨 01：做梦无法超越历史树从未涉足的认知荒原：Dream-RSI 的离线模拟完全建立在“已生长的发现树”之上。如果初期的真实探索从未触及某一类全新的解题范式（例如某种前所未见的数学结构），那么无论智能体在树里做多少轮梦，也绝不可能凭空重演出从未存在过的节点。离线演化存在天然的信息上限，如何平衡“梦境深挖”与“现实破局”仍需长期验证。
- 观察哨 02：任务可验证性的硬性壁垒：该框架目前大放异彩的三个领域（数值算法、几何极值、GPU 算子），都有一个共同特质——存在客观、确定、毫秒级反馈的代码运行结果或数学判准。一旦将该机制迁移到没有客观打分标准的开放领域（如战略决策、产品交互设计、长文本内容创作），模拟器的打分机制将立刻面临对齐失真与奖励作弊风险。
- 观察哨 03：发现树在超长周期下的存储与索引爆炸：当真实探索扩展至数万个节点以上时，完整记录工作区文件系统快照与编译器上下文的数据体积将呈几何级数增长。在离线回放时，历史树的遍历效率、内存占用以及策略开发 Agent 对超长树形上下文的检索精度，将成为阻碍其向更大规模系统演化的工程拦路虎。
- 观察哨 04：真实工业级复杂代码库的迁移难度：KernelBench 和 Lasso 求解器虽然难度极高，但本质上依然属于单个或少数几个文件的局部密集型计算代码。在包含数十万行代码、复杂微服务依赖和网络调用的工业级真实业务系统里，Discovery Agent 是否还能如此干脆利落地完成局部修改与因果归因，目前仍属未知。
- 观察哨 05：巨头监管游说与开源社区的技术赛跑：在 Google DeepMind 证明轻量级 RSI 完全可行之后，OpenAI、Anthropic 与政府安全部门是否会迅速调整说辞，将监管管辖权从“大模型预训练算力”扩大到“具备自重写能力的 Agent 编排框架”？这将是未来 6 到 12 个月全球 AI 政策博弈的最核心焦点。
---