The Decoder 报道 Google 与 DeepMind 提出 Dream-RSI：改变智能体搜索/探索策略而非重训神经网络。智能体记录过往尝试与结果，事后在已探索空间内回放测试新策略，避免为试策略再跑昂贵仿真。报道称在部分任务上可匹配或超过既有结果，并将所需迭代次数最多降至约 1/2.43。面向数学、代码与算法发现等长程搜索场景，适合编码/科研智能体降本。
核心要点速览
- ✓改搜索策略不改模型权重；用历史轨迹回放评估新探索策略。
- ✓避免为试策略重复昂贵仿真/跑分，面向数学与代码等长程搜索。
- ✓报道：部分任务持平或更好，迭代次数最多约降至 1/2.43。
⚡
一眼结论开发者 3 秒速决决策指标
🧭
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
实战指南准备好将技术转化为生产力？
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
接着读X 热议：大厂 CEO 公开谈 RSI——谷歌 Pichai 称「离 RSI 终局还很远」，又说「未来 12 个月会因 RSI 持续加速」；Altman、Amodei 也相继表态
立即阅读→
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察