Dream‑RSI 把代理搜尋歷史變成重播模擬器，離線改寫探索策略

Google、Google DeepMind 等機構提出 Dream‑RSI，試圖改善長程程式探索最昂貴的一環：代理不只要產生候選解，還得決定哪些分支值得延伸、何時平行嘗試及何時停止。系統沒有微調底層模型，而是在固定 coding agent 與評分器之外加入可執行的探索政策，並以三階段循環更新它。

線上階段會把每次候選程式、工作區狀態、父子分支、執行結果與成本記成 discovery tree。接著，系統把這棵樹當作 replay simulator：新政策可改變既有節點的瀏覽順序、平行配置與停止條件，直接讀取已保存的結果，無須重新呼叫代理或執行評測。另一個固定 LLM 會大量產生政策程式，在重播環境中篩選後，才把最佳版本部署至下一輪線上探索。

[論文](https://arxiv.org/abs/2609.14858)在八項任務測試此方法。Lasso solver 實驗中，Gemini 3.1 Pro 的代理呼叫由固定探索的 550 次降至 317 次；KernelBench 的 VGG16、LayerNorm 任務分別以 2.43 倍及 1.79 倍較少世代達到相近速度，ConvDiv 則在相近預算下取得最高 2.09 倍效能。數學最佳化結果較不一致：Sum–Difference 改善、Circle Packing 追平強基線，但 Autocorrelation 未勝過 SimpleTES。

工程上的價值是把昂貴軌跡轉成可重複使用的控制面測試資料，適合 kernel tuning、程式搜尋及其他具有客觀評分器的工作。不過它不是能預測任意未見狀態的世界模型；重播只知道已探索節點的真實結果，因此無法可靠評估會走出歷史樹之外的反事實政策。實驗也依賴 Gemini、固定評分器與僅八項任務。[專案頁](https://www.dream-rsi.com/)雖提供論文、程式碼入口及示範，後續仍應檢驗跨模型遷移、模擬器偏差，以及計入建立初始搜尋樹後的完整成本。