Google и DeepMind представили Dream-RSI: цикл рекурсивного самоулучшения ИИ-агента
Исследователи Google и DeepMind представили Dream-RSI — систему, в которой ИИ-агент улучшает то, как он исследует задачи. Для этого он повторно проигрывает свои прошлые попытки, дешево тестирует тысячи альтернативных стратегий, а затем использует более удачную стратегию в следующем раунде.
В задачах по разработке алгоритмов, математической оптимизации и созданию GPU-ядер система сохраняла или улучшала качество результатов, при этом значительно сокращая стоимость поиска. В одном из экспериментов количество вызовов агента удалось сократить в 162 раза.
Что важно, система улучшает именно стратегию исследования, а не веса самой модели.
Статья на arXiv: https://arxiv.org/pdf/2609.14858.
Почему это важно
АналитикаЭто показывает путь к более эффективному ИИ через оптимизацию процесса исследования, а не только масштабирование моделей. Такой подход может удешевить агентные задачи и ускорить поиск решений в инженерных и математических задачах.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
ИИ в бизнес-процессах: от диагностики до Hermes-агента в production
Полный практический B2B-плейбук: диагностика процессов, single-agent workflow, инструменты, memory, безопасность, evaluation, observability и runbooks.
Google Gemini Pro (Модель Google с бездонным контекстом)
Основная рабочая модель от Google DeepMind с рекордным контекстным окном в 2+ миллиона токенов. Способна за один запрос анализировать целые книги, временные видеозаписи и массивные кодовые базы.
Jev и System One AI: полное практическое руководство по модели решений от TypeSafe
Глубокий инженерный разбор флагманской модели Jev: архитектура System One против LLM, примитивы Choice/Score/Noul, параллелизм запросов, математика уверенности, видео-кейсы, код и обзор локальных open-weight альтернатив (Laya, GLiNER2.5, CLM-8B).
AI-агенты (Autonomous Agents)
Программные системы на базе LLM, способные самостоятельно воспринимать состояние окружающей среды, декомпозировать сложные цели, вызывать внешние инструменты и итеративно исправлять собственные ошибки.