Google发布Dream-RSI，人类制造的最后一个 AI

RSI（递归自我改进）近期成为全球AI领域争论的核心焦点，而谷歌DeepMind联合马里兰大学、弗吉尼亚大学等机构发布的最新Dream-RSI框架，为这项曾被视作科幻概念的技术给出了可落地的工程化路径，同时引发学界对AI研发范式与安全边界的全新讨论。

谷歌DeepMind抛出Dream-RSI框架 重新定义递归自我改进落地路径

不同于此前学界普遍认为的“RSI即AI自动修改底层神经网络权重”的认知，Dream-RSI的核心设计哲学是冻结底层代码大模型的权重，所有迭代优化都集中在负责引导搜索方向、分配并行算力、动态剪枝的探索调度策略层。框架将AI过往探索留下的历史日志转化为重放模拟器，让AI能在低成本的虚拟环境中测试数千种自我改进策略，无需在真实环境中反复试错。这一设计彻底告别了微调权重带来的安全风险与暴力算力的无底消耗，为RSI的受控发展提供了新思路，也印证了OpenAI CEO奥尔特曼此前“RSI是连续谱而非非黑即白开关”的判断——它虽未实现全链路的自我权重修改，但已经让AI具备了“自我改进改进能力”的核心特征。

实测数据验证技术可行性 人类提供的语义指导反而成性能瓶颈

Dream-RSI在算法优化、几何计算等领域的实测结果远超预期。在Lasso正则化路径求解任务中，搭载Gemini 3.1 Pro的Dream-RSI仅需317次调用，就将求解器平均运行时间从3587.1毫秒降至2931.0毫秒；而采用固定探索策略的同模型需要