https://txtmix.com/tags/%E8%AE%BA%E6%96%87%E7%BF%BB%E8%AF%91/Recent content in 论文翻译 on Text MatrixHugozh-CNTue, 03 Nov 2026 15:55:51 +0800https://txtmix.com/posts/paper-translation/dream-rsi-recursive-self-improvement-through-evolving-worlds/Thu, 17 Sep 2026 09:30:00 +0800https://txtmix.com/posts/paper-translation/dream-rsi-recursive-self-improvement-through-evolving-worlds/<h1 id="dream-rsi把发现历史变成可重放的沙盘让-agent-的探索策略学会自我迭代">Dream-RSI：把发现历史变成可重放的沙盘，让 agent 的探索策略学会自我迭代</h1> <blockquote> <p>原文：<a href="https://arxiv.org/abs/2609.14858" target="_blank" rel="noopener noreffer ">arXiv:2609.14858</a> — Dream-RSI: Recursive Self-Improvement through Evolving Worlds（Google / Google DeepMind / 马里兰大学 / 弗吉尼亚大学，2026 年 9 月）</p> </blockquote> <h2 id="一句话判断">一句话判断</h2> <p>Dream-RSI 想解决的不是&quot;agent 怎么写代码&quot;，而是&quot;agent 的搜索策略本身怎么迭代&quot;——它的解法是把已经跑完的发现历史重新看作一张可重放的沙盘（replay simulator）：一次昂贵的在线探索可以反过来喂养数千次零执行成本的离线策略评估。这是把 model-based reinforcement learning（基于模型的强化学习）和 World Models 的思路搬到了 LLM（Large Language Model，大语言模型）驱动的科学发现场景里。</p>