每天听简报，了解最新科技、AI、软件资讯
一套叫Dream RSI的框架，让编程智能体靠回放自己的探索历史打磨策略，不用每次都真跑一遍试错。它把搜索过的路径攒成一个可重放的模拟世界，新策略先在里面免费练，练好才派回真实环境继续探索，新发现再滚回这个世界。团队在算法工程、数学优化和GPU内核三类任务上测试，新策略结果差不多甚至更好，还省下试错开销，但没给出具体对比数字。评论区吵得凶：有人说这配不上递归自我改进的名字，更像优化现有训练方法；也有人说这类词早被用滥。算不算真自我改进，还没定论。
进度保存在本设备 · 登录同步