AI要学会自己改进自己，谷歌打算先让它做个”梦”。
谷歌研究团队在新论文《Dream-RSI》中，给出了一个思路：让AI先在”梦里”试。所谓”做梦”，就是把过去真实执行过的实验记录变成一个可以反复回放的环境，让AI在里面比较不同的探索策略：先尝试哪条路，哪些方向值得继续，什么时候该停手。有了现成的实验结果，许多策略的筛选就不用再把昂贵的实验重做一遍。
等”梦里”筛出了更好的策略，AI再带着它回到真实实验，积累新的记录，供下一轮”做梦”继续改进。真实探索为”梦”提供素材，”梦”又帮助AI调整下一次探索的方法，自我改进的循环便由此接上。
何为做”梦”RSI？
每个人都做过梦，但AI的”梦”，指的是在已经录好的历史发现树里，用新策略走一遍，看会得到什么结果。就像在迷宫中找出口，第一次进迷宫没有任何地图只能瞎走，但在走的过程中AI会顺手把迷宫的地图画出来。当第二次走这个迷宫之前，就可以先看着这张地图，在脑内规划一个最快的路线。在脑内绘制的这个过程，就叫”梦”。
一次在线发现跑完之后，留下的是一棵结构化的”发现树”。这棵树上的每个分叉点，都是AI的某一次尝试——比如那次它写了什么代码、跑出来什么结果、得了多少分，全部在那个节点上。Dream-RSI提出把这棵树当成一台可回放的模拟器，同一棵树换一套探索策略去走，就会走出不一样的轨迹。
三个领域验证效果显著
谷歌将Dream-RSI放在三个领域、八个科学发现任务上跑。包括算法工程（Lasso正则化路径求解器）、数学优化（Sum-Difference、自相关不等式、圆堆叠）、GPU内核工程（KernelBench）。在Lasso上，Dream-RSI优于sklearn、glmnet等标准库和强基线，相比SimpleTES最多省下162倍的Agent调用。
在数学优化上，它在1000代以内就追平甚至超过传统方法。这意味着AI可以在不增加实验成本的前提下，持续优化自己的研究策略。
研究品味是关键
自我改进能不能成立，其实并不取决于模型能不能生成下一步，反而取决于它能不能判断”这一步到底是不是进步”。Anthropic测出2026年4月的Mythos Preview有64%的时候选得比人好。智谱唐杰也表示，下一代模型GLM-6.0定位是Fully Self-Training，完全自训练。