作者：郑通，吴希东，张正，何占奎，张超义，本杰明·科尔曼，魏若乔，白迪，刘浩林，刘锐，王雪，专月，康王程，向仁开，黄恒，程欣武，郭云松

Dream-RSI引入了一种可扩展的递归自我改进框架，用于自主AI代理。该系统通过轻量级编排层将发现历史变为显式且可编程的，从而解决探索瓶颈问题。关键见解是利用累积的发现历史作为已实现搜索空间的回放模拟器。通过在这一历史回放模拟器中进行 dreaming，Dream-RSI获得了即时、低成本的离线策略反馈，用于评估和优化探索策略，而无需昂贵的在线评估。改进后的策略重新部署在线上，以推动进一步的发现，不断扩大模拟器池，形成自我改进的循环。在算法工程、数学优化和GPU内核工程等多个领域，Dream-RSI在保持或提升发现质量的同时，显著降低了发现成本。该提交由郑通发起，并提供PDF和实验性HTML版本。