论文页面 - Dream-RSI：通过演化世界实现递归自我改进

来源：https://huggingface.co/papers/2609.14858 发布于 9月14日

#2 当日论文 (https://huggingface.co/papers/date/2026-09-15) 作者： ， ， ， ， ， ， ， ， ， ， ， ， ， ，

摘要

Dream-RSI 通过使用历史发现重放来离线评估探索策略，实现了可扩展的递归自我改进，减少了代价高昂的在线评估。

递归自我改进 (https://huggingface.co/papers?q=Recursive%20self-improvement)对于自主AI智能体正变得日益重要，其进展取决于在复杂领域中发现高价值解决方案。这一过程的核心驱动力是有效的探索，然而，管理和改进探索策略 (https://huggingface.co/papers?q=exploration%20strategies)仍是一个主要瓶颈。当前系统面临一个根本性困境：固定的策略无法适应搜索空间的扩展，而在线策略优化则需要在延迟且昂贵的反馈下，在庞大的元搜索空间中进行长时间范围的探索。我们引入Dream-RSI (https://huggingface.co/papers?q=Dream-RSI)，这是一个用于可扩展且递归自我改进探索的框架。一个轻量级的编排层使探索变得显式化和可编程，同时保持底层编码智能体不变。我们的关键见解是，积累的发现历史可以作为已实现搜索空间上的重放模拟器 (https://huggingface.co/papers?q=replay%20simulator)。通过在基于历史发现树 (https://huggingface.co/papers?q=discovery%20trees)构建的重放模拟器 (https://huggingface.co/papers?q=replay%20simulator)中进行“推演”，Dream-RSI (https://huggingface.co/papers?q=Dream-RSI)获得了即时的、低成本的非策略反馈 (https://huggingface.co/papers?q=off-policy%20feedback)，从而评估和完善探索策略，无需调用重复且昂贵的在线评估。改进后的策略随后会被重新部署到在线环境以驱动进一步的发现，在一个自我改进的循环中持续扩展模拟器池。在算法工程、数学优化和GPU内核工程等多个场景中，Dream-RSI (https://huggingface.co/papers?q=Dream-RSI)实现了具有竞争力或更优的发现质量，同时显著降低了发现成本。

查看arXiv页面 (https://arxiv.org/abs/2609.14858)查看PDF (https://arxiv.org/pdf/2609.14858)项目页面 (https://dream-rsi.com/)GitHub4 (https://github.com/zhengkid/Dream-RSI)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.14858)

通过您的智能体获取此论文：

hf papers read 2609\.14858

没有最新版CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

无模型关联此论文

在模型的README.md中引用 arxiv.org/abs/2609.14858 以从此页面链接。

引用此论文的数据集0

无数据集关联此论文

在数据集的README.md中引用 arxiv.org/abs/2609.14858 以从此页面链接。

引用此论文的空间0

无空间关联此论文

在空间的README.md中引用 arxiv.org/abs/2609.14858 以从此页面链接。

包含此论文的收藏0

无收藏包含此论文

将此论文添加到收藏夹 (https://huggingface.co/new-collection)以从此页面链接。