#Search Policy (1)

Dream-RSI：在演化世界中递归自我改进

固定的探索策略无法随搜索空间扩大而自适应，在线优化元策略又要为每个候选策略付出昂贵的长程 rollout。Dream-RSI 把已完成的发现历史组织成发现树，当作可回放的世界：候选探索策略在树里“做梦”式重放，只读取已记录的执行结果即可被打分，再由策略开发智能体改写策略代码，选出回放分最高的版本重新上线，形成递归自我改进闭环。在 Lasso 求解器、三个数学优化问题与 KernelBench 四个 GPU 核任务上，它以少 1.7 倍到 162 倍的智能体调用取得同等或更好的发现质量。