谷歌研究人员利用AI搜索历史降低自我改进成本
aiinsider ·
谷歌研究人员开发了 Dream-RSI,这是一种利用 AI 代理搜索历史来降低自动化发现和自我改进相关成本的框架。该系统不重新训练基础模型,而是将之前的搜索记录为包含结果和计算成本的树状结构,使代理能够在模拟回放环境中测试替代探索策略。这种方法无需重复昂贵的实验,即可为未来的实时搜索选择更高效的策略。在涉及算法工程、数学优化和 GPU 编程的八项任务测试中,Dream-RSI 的表现持平或优于其他竞争方法,同时显著减少了所需的 AI 代理调用次数。例如,在统计算法设计方面,该系统使用不到固定探索策略一半的代理调用次数,实现了更快的运行速度。该研究强调,改善 AI 在搜索过程中的资源分配方式,比依赖过去尝试中的高层书面指导更为有效。然而,该方法存在无法预测未探索分支结果的局限性,但它为实现更高效的递归自我改进提供了一条切实可行的路径。
aiinsider