Dream-RSI 递归自改进探索框架发布

Tong Zheng 等作者发布 Dream-RSI 框架，让 AI 智能体递归地自我改进探索策略。其做法是把历史发现树当作回放模拟器，在模拟器中“做梦”获得低成本的 off-policy 反馈，用来评估和优化探索策略，从而避免反复进行昂贵的在线评估；改进后的策略再部署到线上驱动新发现，并持续扩充模拟器池，形成自我改进循环。 作者称，在 4 个领域的 9 项任务上，Dream-RSI 取得有竞争力的质量并提升了发现效率。

AI 根据报道生成 · 7 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。