+− THE DAILY DIFFdev & AI news
NEEDS REVIEW

再帰的自己改善、その裏側

Google DeepMindは「Dream-RSI: 再帰的自己改善による進化する世界」を発表しました。

Want to see our stories first on Google? Add us to your preferred sources — it helps us grow.

Google DeepMindは「Dream-RSI: 再帰的自己改善による進化する世界」を発表しました。その中にあるコーディングモデルは決して変わりません。その裏側では、60年間このフレーズが何を意味してきたのか、Dream-RSI(記録された探索木上で「夢を見る」Python探索ポリシー)で実際にループしているもの、そして550ではなく317のエージェント呼び出しが割引であって離陸ではない理由が語られます。評決:NEEDS REVIEW。

書面版を読む(英語) ↗

この動画の要点

  • 1965年 → 2008年:I. J. Goodの「知能爆発」、ユドコウスキーのシードAI — 自身の重みを書き換える機械
  • 2025年:AlphaEvolve — 48回の乗算による4×4行列乗算、Googleの計算能力の0.7%を回復、Geminiカーネルが23%高速化
  • 2026年:Dream-RSI — ポリシーは改善されるが、コーダー、評価者、書き換えはすべて固定されている。プロンプトは「科学的タスクを解決しないこと」と指示
  • X: 「Googleは再帰的自己改善を達成したばかりだ」(819いいね)vs HN: 「これをRSIと呼ぶのは誤解を招くようだ」
  • 使用された数値:§4.1 Lasso 550 → 317のエージェント呼び出し、3587 → 2931 ms;表1 円充填 2.635983 = AlphaEvolveV2;§4.3 KernelBench 2.43× / 1.79×少ない世代数、最大2.09×高速化;付録B.2 プロンプト(すべて上記のPDFより)

質疑応答

AIにおける再帰的自己改善とは何を意味しますか?

AIシステムが自分自身を賢くし、その賢いバージョンを使って再度それを行うことを意味します。I. J. Goodは1965年に知能爆発について記述し、エリーザー・ユドコフスキーの2008年のエッセイは、この考えをAI安全性の中心に据えました。何十年もの間、このフレーズは、自身のソースコードまたは重みを書き換え、パスごとに賢くなるシステムを意味していました。

en.wikipedia.org · www.lesswrong.com

Google DeepMindのDream-RSI論文で実際に改善されるものは何ですか?

探索ポリシーのみが改善されます。これは、探索ツリーのどのブランチを展開するかを決定するPythonプログラムです。論文によると、コーダー、審査員、リライターはすべて凍結されたGeminiコンポーネントであり、付録B.2のプロンプトは、システムに1つのファイルを編集し、科学的なタスクを解決しないように指示しています。

arxiv.org · dream-rsi.com

AIシステムは、実際のハードウェアではなく、記録された実行に対して新しい戦略をどのようにテストしますか?

Dream-RSIは、過去の各実行をリプレイシミュレーターに変えます。すべての実行は、試行された内容とスコアのツリーを残し、凍結されたGeminiがポリシーを書き換えます。新しいポリシーは、実際のGPUではなく、これらの記録された結果に対してテストされます。この論文ではこれを夢見と呼んでおり、1回の実際の実行で数千回の夢の実行の費用がまかなわれます。

arxiv.org

Dream-RSIで測定された増加量はどのくらいでしたか?

増加量は効率の節約でした。Lassoタスクでは、固定探索に550エージェント呼び出しが必要でしたが、Dream-RSIでは317回で、実行時間は3587msから2931msに短縮されました。KernelBenchでは2.43倍少ない世代数が必要でした。円充填のスコアは2.635983で、AlphaEvolveV2と同じでした。エピソードによると、これは計算の割引であり、新しい機能ではありません。

arxiv.org

開発者はDream-RSIを再帰的自己改善と呼ぶべきですか?

The Daily Diffの評決はNEEDS REVIEWでした。ループは本物で、節約効果も測定されていますが、表紙の2つの言葉は論文にはないマシンを表しています。次のRSI論文の有用なチェックは、どのオブジェクトが変化し、誰が凍結され、見出しの数字がどの単位で測定されているかを尋ねることです。

arxiv.org · news.ycombinator.com

翻訳されたトランスクリプト

オリジナルの英語ナレーションから翻訳されています。利用可能なオーディオとキャプションはYouTubeによって管理されています。

0:00 再帰的自己改善とは、AIが自分自身を賢くするという考え方で、 その賢くなった自分を使って再びそれを行う、そして今週Googleは その二つの言葉をタイトルに含む論文を発表しました。その中でモデルの重みは決して 動きません。3つの数字。 AnthropicのCEOは、このループが夏から続いていると言っています、 それが彼が業界全体を減速させる理由です。 Googleがそれを達成したと発表したツイートは、1日で800件の「いいね」を集めました。 1日で。

0:24 そして、この論文の主要な結果は、550回のモデル呼び出しではなく317回で、 これは割引であり、離陸ではありません。 3分で:このフレーズがどこから来たのか、Dream-RSIの内部で実際にループしているもの、 そしてRSIが表紙にある次の論文をどう読むか。 これはThe Daily Diff、その裏側です。 1965年。I. J. チューリングの隣で働いていたブレッチリーパークの統計学者であるグッドは、 超知能機械がさらに優れた機械を設計できると書き、

0:52 それを知能爆発と呼び、人間がこれまでに必要とする最後の発明だとしました。 ただし、その機械が十分に温厚で、我々にそれを制御する方法を教えることができるならば、と。 それが「ただし」の人々がカンマの後に読み続けるのをやめてしまうところです。 40年間、このフレーズはまさにそれを意味していました:自身のソースや重みを編集し、 毎回賢くなっていくシステムです。 エリーザー・ユドコウスキーの2008年のエッセイにより、AI安全保障の主要な言葉となり、 誰もそれをテストする機械を持っていませんでした。これは定義にとって理想的な条件です。 その後、2025年5月にDeepMindはAlphaEvolveを出荷しました。

1:23 これはコードを提案し、スコア付けされ、勝者を保持して再び変異させるGeminiエージェントです。 これは48ステップで4×4の複素行列を乗算し、 1969年にStrassenが打ち立てた記録を破り、Googleの全世界の計算能力の約0.7%を回復します。Googleの規模では、 これはソファの下で見つかったデータセンターに匹敵します。 ソファの下で見つかったデータセンターに匹敵します。 Geminiは今やGeminiのトレーニングを助けており、このフレーズは静かに安全保障ブログから プレスリリースへと移行しました。 Dream-RSIは、そのループの上にコントローラーをボルトで固定します。

1:52 ポリシー、つまり実際のPythonプログラムが、 探索木のどのブランチを 展開するか、いくつ並行して行うか、そしていつ諦めるかを決定します。 Geminiが候補コードを書き、固定された評価者がそれを採点します。 各実行は、試されたこととそれらのスコアのツリーを残します。 そのツリーはリプレイシミュレーターとなります。2番目の、同様に固定されたGeminiが ポリシーを書き換え、新しいポリシーは実際のGPUではなく、記録された結果に対してテストされます。 実際のGPUではなく、記録された結果に対してテストされます。

2:16 この論文はこれを夢見と呼び、1回の実際の実行で数千回の夢見た実行を 実行コストゼロでまかなうことができます。 勝者はオンラインに戻り、記録された世界のプールは成長し、 繰り返されます。そして付録B.2のプロンプトは、自己改善AIに書面で、 書面で:この1つのファイルのみを編集し、科学的タスクを解決しないように指示します。 測定されました。Lassoソルバータスクでは、固定探索は3.6秒に到達するのに550回のGemini呼び出しを費やし、 Dream-RSIは2.9秒に到達するのに317回を費やし、 どちらもscikit-learnを上回りました。

2:46 KernelBenchでは、約2.4倍少ない世代で同じカーネル速度に達しました。 円充填では2.635983というスコアを記録しました。これは、AlphaEvolveバージョン2が昨年記録したスコアと、 正確に小数点以下6桁まで一致します。 昨年記録したスコアと、正確に小数点以下6桁まで一致します。 だからXはタイトルを読みました:「Googleは再帰的自己改善を達成したばかりだ」。 Hacker NewsはPDFを読みました:「これをRSIと呼ぶのは誤解を招くようだ」。 そして同じ週、競合他社のCEOは、このループが夏から続いており、 誰もが減速すべきだと述べました。

3:13 3つの文、同じ2つの言葉、3つの異なる機械。 では月曜日、次のRSI論文をどう読むか。 1つ:何が変わるのか、重みか、コードか、探索設定かを問いかけます。Dream-RSIは3番目を変更します。 Dream-RSIは3番目を変更します。 2つ:誰が固定されているのかを問いかけます。ここでは、コーダー、評価者、リライターの3人全員です。 3人全員です。3つ:主要な数値が何の単位であるかを問いかけます。 計算の節約は最適化です。以前モデルが到達できなかったベンチマークは 離陸であり、それはまだ誰も発表していません。

3:40 評決、その裏側:NEEDS REVIEW。 ループは現実のものであり、節約は測定されており、表紙の2つの言葉は 論文には書かれていない機械について説明しています。 私が話すよりもこれを読みたい場合は、毎朝The Daily Diffが受信トレイに届きます。 毎日無料でthedailydiff.devで入手できます。リンクは下にあります。 次に何を開くべきかコメントで教えてください。 そして今日の差分は以上です。 私はAxrisiのNikoです。

4:00 Merge responsibly.

情報源

  1. Paper: Dream-RSI (Zheng et al., Google / Google DeepMind / UMD / UVA, 14 Sep 2026)arxiv.org
  2. Code (293 stars, no license) — https://github.com/zhengkid/Dream-RSI · project pagedream-rsi.com
  3. Hacker News thread (169 points)news.ycombinator.com
  4. Hugging Face papers (278 upvotes)huggingface.co
  5. I. J. Good, 1965, "Speculations Concerning the First Ultraintelligent Machine"en.wikipedia.org
  6. Eliezer Yudkowsky, "Recursive Self-Improvement", LessWrong, 1 Dec 2008www.lesswrong.com
  7. Google DeepMind, AlphaEvolve (14 May 2025): 0.7% compute, 48 multiplications, 23% kernel speed-updeepmind.google
  8. Dario Amodei, "We Must Pace the Frontier" (12 Sep 2026)darioamodei.com
  9. Tweetx.com

Niko from Axrisi

Nikoloz Turazashvili · Vexrail · Axrisi

LinkedIn · dev.to · GitHub · X · Substack

関連動画

under-the-hood · ja · 2026/10/11

Stripeは応答が消えてもリクエストを記憶しています

タイムアウトにより、サーバーが操作を完了した後、チェックアウトが不確実になる可能性があります。この「Under the Hood」解説では、Stripe API v1の文書化されたべき等性契約を使用して、安定した操作キー、保存された応答のリプレイ、パラメーターと同時実行の制限、保持期間、および結果の調整を示します。

2:54 ↗
under-the-hood · ja · 2026/10/10

Shopifyが在庫予約をMySQLに移行

Shopifyは在庫予約システムをRedisから、既に在庫元帳を保持していたMySQLデータベースに移行しました。個別にロック可能なユニット行の境界付きプールにより、同時チェックアウトはSKIP LOCKEDを使用して異なる利用可能なユニットを選択できます。この設計は、トランザクション境界、主キーのレイアウト、補充ルール、およびチェックアウト全体での接続保持時間の監視にも依存しています。

2:58 ↗
under-the-hood · ja · 2026/09/24

SAML、その仕組み:手紙の中の署名

SAMLは、ほとんどすべての仕事用アプリへのログインを可能にし、その署名は署名対象のXML内に存在します。その仕組み:アプリ、ブラウザ、IDプロバイダ間のログインのやり取り、アサーションの見た目、なぜ正規化があらゆるバイトで一致する必要があるのか、そしてなぜ2012年から2025年まで同じバグクラスが再発し続けるのか。Trail of Bitsの「SAML: A fractal of bad de

3:02 ↗