লেখক: Tong Zheng, Xidong Wu, Zheng Zhang, Zhankui He, Chaoyi Zhang, Benjamin Coleman, Ruoqiao Wei, Di Bai, Haolin Liu, Rui Liu, Xue Wang, Yue Zhuan, Wang-Cheng Kang, Renkai Xiang, Heng Huang, Xinwu Cheng, Yunsong Guo

Dream-RSI স্বয়ংক্রিয় AI এজেন্টদের পুনরাবৃত্তিমূলক আত্ম-উন্নয়নের জন্য স্কেলেব ফ্রেমওয়ার্ক উপস্থাপন করে। এই সিস্টেমটি একটি হালকা অর্কেস্ট্রেশন স্তরের মাধ্যমে আবিষ্কার ইতিহাসকে স্পষ্ট এবং প্রোগ্রামযোগ্য করে তুলে অভিযান গ্যাপ বাতিল করে। মূল অন্তর্দৃষ্টি ব্যবহৃত আবিষ্কার ইতিহাসকে সম্পূর্ণ অনুসন্ধান জায়গার রিপ্লে সিমুলেটর হিসাবে ব্যবহার করে। এই ঐতিহ্যবাহী রিপ্লে সিমুলেটরে স্বপ্ন দেখার মাধ্যমে, Dream-RSI অনলাইন মূল্যায়ন ছাড়াই অভিযান নীতিগুলিকা মূল্যায়ন ও উন্নয়ন করার জন্য তৎপর ও কম খরচের অফ-পলিসি ফিডব্যাক নিশ্চিত করে। উন্নত নীতিটি আরও আবিষ্কার চালানোর জন্য অনলাইনে পুনরায় স্থাপন করা হয়, যা একটি আত্ম-উন্নয়ন লুপে সিমুলেটর পুলকে নিয়মিতভাবে বিস্তৃত করে। অ্যালগরিদম ইঞ্জিনিয়ারিং, গাণিতিক অপ্টিমাইজেশন এবং GPU কার্নেল ইঞ্জিনিয়ারিং জুড়ে, Dream-RSI বিভিন্ন সেটিংএ আবিষ্কার গুণমান প্রতিদ্বন্দ্বী বা উন্নত অর্জন করে যখন আবিষ্কার খরচ কাফিই হ্রাস করে। এই জমা টানগ থেকে Tong Zheng এবং এটি PDF এবং পরীক্ষামূলক HTML সংস্করণ হিসাবে উপলব্ধ।