Google представил Dream-RSI: метод рекурсивного самоулучшения агентов через анализ прошлых попыток

Google научил агентов учиться во сне Тоже интересный материал. Google, DeepMind и пара университетов выложили Dream-RSI – подход к рекурсивному самоулучшению агентов. Тут про сон мало что, но звучит красиво :) Когда агент (AlphaEvolve и подобные) ищет решение, он делает тысячи попыток: ветвится, запускает варианты параллельно, бросает тупиковые линии. Стратегия исследования – где копать, когда остановиться – обычно пишется руками и дальше не меняется. Улучшать её онлайн дорого: чтобы понять, хороша ли стратегия, нужно прогнать весь поиск до конца. Идея авторов: дерево прошлых попыток – это уже готовый симулятор. Каждый узел хранит реальный результат выполнения, поэтому альтернативную стратегию можно «прогнать» по этому дереву в другом порядке – без единого нового запуска. Это и есть "сон". Мы просто проверяем по прошлым попыткам, не запускаем заново. Как работает цикл: – агент ищет онлайн и записывает дерево попыток – другой агент переписывает код стратегии исследования и проверяет тысячи вариантов по накопленной истории – бесплатно – в прод уходит только победитель, и он добавляет новое дерево в пул – текущая стратегия тоже участвует в отборе, так что хуже она стать не может Короче, по цифрам в 2-3 раза меньше вызовов для решения задач. Причем не надо закладывать успешные попытки в промпт, надо просто прогонять по прошлым вариантам. Короче логируйте не саммари и находки, а все попытки с результатами, это бесплатный полигон для следующих версий. https://dream-rsi.com/