不改一个参数的自我进化：DeepMind 如何用历史日志做梦把 AI 试错成本砍掉 162 倍？

让一个 AI 自己把自己变聪明，代价有多大？ 51200 次大模型调用。 光是为了优化一个基础统计学算法，之前的自动化系统就得在真实环境里反复试错五万多次。 写一段代码，编译一次，跑一遍测试，等几分钟看结果。 光是这一个任务耗费的算力和时间，就能让普通实验室当场破产。 如果 AI 每想变聪明一点，都必须这么真金白银地拿几万次试错去砸，所谓的自我进化，就是个填不满的无底洞。 有没有搞错？人类可不是这么做事的。 一个职业棋手在赛场上下完一盘棋，晚上回到房间，闭上眼睛把棋谱在脑子里重新过一遍。 如果当时跳马，没有飞象，局势会怎样？ 他在脑子里推演了一千种走法，没花一分钱报名费，也没多占用一个棋盘。 2026 年 9 月，谷歌 DeepMind 和马里兰大学联合发布了一篇论文，叫 Dream-RSI。 很多人看到标题里的自我递归改进，以为通用人工智能明天就要降临了。 其实把宣传泡沫撇开，这项研究底子里解决的，是一个极其现实的工程问题。 算力太贵，AI 试错试不起了。 过去几年，大家让 AI 搞科学发现、优化数学算法或者编写 GPU 算子，全靠智能体在前面硬探。 但在广阔的未知搜索空间里，固定的搜索规则很快就会撞墙。 它要么在死胡同里反复打转，要么把宝贵算力浪费在注定失败的方向上。 那让 AI 实时学习一套更聪明的搜索策略行不行？ 理论上行，做起来却是一场噩梦。 要验证一套新的搜索策略好不好，必须让它在真实世界里从头跑几百轮。 每一次都要调用大模型写代码，跑基准测试，等待反馈极其漫长。 为了测试几十种搜索策略，消耗的算力比做发现本身还要庞大。 这项研究的绝妙之处，就藏在智能体那些原本被扔进垃圾桶的历史日志里。 过去，AI 跑完一次探索，那些写错的代码、报错的日志、测试的耗时，通常就被当成废料丢掉了。 但这帮研究人员发现，每一次探索留下的树状历史，记录了所有分支的真实运行结果。 哪一行代码报错，哪一种改法让运行速度提升了毫秒级，全都白纸黑字存得清清楚楚。 这棵探索历史树，本身就是一个已经完成了物理验证的微型虚拟世界。 既然分支结果都已经在历史里算好了，为什么还要重新调用模型去跑代码呢？ 他们做了一套轻量的调度层，把历史记录变成了一个离线重播模拟器。 当 AI 想要测试一套全新的探索策略时，根本不需要联网调用大模型，也不需要去占用硬件资源编译程序。 它直接在这套历史记录构建的虚拟世界里做梦。 新策略决定：第 3 个分支先跑两步，如果不达标立刻剪枝，转去第 7 个分支。 模拟器在毫秒之间，就能把历史数据里对应的结果调出来反馈给它。 不需要花一分钱调用费，也不需要等待真实的物理运行时间。 几分钟之内，AI 就能在离线模拟器里完成上万次探索策略的沙盘推演。 在梦境里比拼出表现最好的那套探索策略之后，再把它装回现实世界的智能体身上。 这时候，AI 带着已经优化过的策略，重新进入真实环境去探索真正的未知领域。 它在现实中做出的新突破，以及踩到的新坑，又会变成新的分支记录下来，继续扩充那个离线模拟器。 虚拟世界越来越大，下一次做梦推演出的策略，自然就会更加精准。 这套机制跑出来的结果相当惊人。 在经典的 Lasso 统计学算法路径优化测试中，之前的基准系统 SimpleTES 烧了 51200 次模型调用。 而基于 Gemini-3.1 Pro 的 Dream-RSI，只用了 317 次调用。 模型调用次数直接缩减了 162 倍。 挖出来的求解器性能，还超越了 Python 官方标准的 sklearn 和 glmnet 库。 在 GPU 算子基准测试 KernelBench 上，它用少两倍的探索代数，就把算子性能拉升到了原有上限的 2.09 倍。 在几何与组合数学优化任务里，它用不到一千代计算，就打平或者超越了此前耗费数万代算力才跑出来的顶级结果。 最反直觉的地方在哪里？ 底层的模型权重，自始至终没有做过任何微调，一个参数都没有改。 AI 并没有获得什么神秘的超能力。 它只是学会了人类高手的基本生存法则：在脑子里复盘走法，不要在已经撞过墙的地方重复交学费。 过去行业里总有一种执念，觉得 AI 要想自我进化，必须建更大的集群，烧更庞大的电网，从头重新训练神经网络。 这项研究把这套昂贵的神话敲开了一条缝隙。 把曾经被随手丢弃的失败日志捡起来，变成能反复推演的沙盘。 当机器学会用过去的记忆给未来的自己做模拟训练，自我进化就不再是不可承受的算力黑洞，变成了一门精打细算的工程调度。