递归自我改进：Google Dream-RSI 论文究竟做了什么

作者通读 36 页 Dream-RSI 论文后指出，该工作改进的是一个决定冻结 Gemini 编码 Agent 下一步探索哪些想法的搜索策略（小型 Python 程序），编码器、评估器与策略改写器均为固定模型，全程未更新模型权重。在 Lasso 求解任务上，调用次数从 550 次降至 317 次（减少 42%），耗时从 3.59 秒降至 2.93 秒。作者认为这只是一次效率折扣，与'递归自我改进'通常所指的模型改写自身权重并不相同。

AI推荐理由 对 Google Dream-RSI 论文的逐页解读，明确指出被 X 传播为'攻克递归自我改进'的说法与论文实际不符：改进对象是搜索策略这一小型 Python 程序，编码器、评估器和策略改写器均为固定模型，模型权重从未更新；并给出 Lasso 求解任务上 317 次 vs 550 次 Gemini 调用、2.93s vs 3.59s 的具体数字。属于对热门论文的纠偏性分析，事实密度高。