+− THE DAILY DIFFdev & AI news
NEEDS REVIEW

Рекурсивное самосовершенствование: под капотом

Google DeepMind опубликовал статью «Dream-RSI: Рекурсивное самосовершенствование через эволюционирующие миры» — и модель кодирования внутри неё никогда не меняется.

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

Google DeepMind опубликовал статью «Dream-RSI: Рекурсивное самосовершенствование через эволюционирующие миры» — и модель кодирования внутри неё никогда не меняется. Под капотом: что эта фраза означала 60 лет, что на самом деле циклично в Dream-RSI (политика исследования на Python, которая «мечтает» над записанными деревьями поиска), и почему 317 вызовов агента вместо 550 — это скидка, а не взлёт. Вердикт: NEEDS REVIEW.

Читать письменное издание (на английском) ↗

Что освещается в этом видео

  • 1965 → 2008: «интеллектуальный взрыв» И. Дж. Гуда, посевной ИИ Юдковского — машина, которая переписывает свои собственные веса
  • 2025: AlphaEvolve — 48-кратное умножение матриц 4×4, восстановлено 0,7% вычислительных мощностей Google, ядра Gemini на 23% быстрее
  • 2026: Dream-RSI — политика улучшается, кодер, судья и переписчик заморожены; запрос гласит «Не решайте научную задачу»
  • X: «Google только что взломал рекурсивное самосовершенствование» (819 лайков) против HN: «называть это RSI кажется вводящим в заблуждение»
  • Использованные числа: §4.1 Lasso 550 → 317 вызовов агента, 3587 → 2931 мс; Таблица 1 упаковка кругов 2.635983 = AlphaEvolveV2; §4.3 KernelBench в 2.43× / 1.79× меньше поколений, до 2.09× быстрее; Приложение B.2 запрос (все из PDF выше)

Вопросы и ответы

Что означает рекурсивное самосовершенствование в ИИ?

Это означает, что система ИИ делает себя умнее, а затем использует более умную версию, чтобы повторить этот процесс. И. Дж. Гуд описал "взрыв интеллекта" в 1965 году, а эссе Элиэзера Юдковски 2008 года сделало эту идею центральной для безопасности ИИ. В течение десятилетий эта фраза означала систему, которая переписывает свой собственный исходный код или веса и становится умнее с каждым проходом.

en.wikipedia.org · www.lesswrong.com

Что на самом деле улучшается в статье Google DeepMind "Dream-RSI"?

Улучшается только политика исследования. Это программа на Python, которая решает, какие ветви дерева поиска расширять. Согласно статье, кодировщик, судья и переписчик являются замороженными компонентами Gemini, а подсказка в Приложении B.2 указывает системе редактировать один файл, а не решать научную задачу.

arxiv.org · dream-rsi.com

Как система ИИ тестирует новые стратегии на записанных запусках вместо реального оборудования?

Dream-RSI превращает каждый прошлый запуск в симулятор воспроизведения. Каждый запуск оставляет дерево того, что было опробовано и какие оценки оно получило, а замороженный Gemini переписывает политику. Новая политика затем тестируется на этих записанных результатах вместо реальных графических процессоров. В статье это называется "мечтанием", и один реальный запуск окупает тысячи "мечтанных" запусков.

arxiv.org

Насколько велики были измеренные приросты в Dream-RSI?

Приросты были экономией эффективности. В задаче Lasso фиксированное исследование требовало 550 вызовов агента, а Dream-RSI — 317, при этом время выполнения сократилось с 3587 до 2931 мс. В KernelBench требовалось в 2,43 раза меньше поколений. Упаковка кругов набрала 2,635983, столько же, сколько AlphaEvolveV2. Это скидка на вычисления, согласно эпизоду, и никаких новых возможностей.

arxiv.org

Должны ли разработчики называть Dream-RSI рекурсивным самосовершенствованием?

Вердикт The Daily Diff был NEEDS REVIEW. Цикл реален, и экономия измерена, но два слова на обложке описывают машину, которой нет в статье. Полезная проверка для следующей статьи по RSI — спросить, какой объект меняется, кто заморожен и в каких единицах измеряется заголовочное число.

arxiv.org · news.ycombinator.com

Переведенная стенограмма

Переведено с оригинального английского повествования. Доступные аудио и субтитры контролируются YouTube.

0:00 Рекурсивное самосовершенствование — это идея о том, что ИИ делает себя умнее, затем использует более умное «я», чтобы сделать это снова, и на этой неделе Google опубликовал статью с этими двумя словами в названии, в которой веса модели никогда не движутся. Три числа. Генеральный директор Anthropic говорит, что этот цикл работает с лета, что является его причиной замедлить всю индустрию. Твит, объявляющий, что Google только что это взломал, собрал восемьсот лайков за день.

0:24 И собственный заголовок статьи — 317 вызовов модели вместо 550, что является скидкой, а не взлётом. За три минуты: откуда взялась эта фраза, что на самом деле циклично внутри Dream-RSI, и как читать следующую статью с RSI на обложке. Это The Daily Diff, под капотом. 1965 год. И. Дж. Гуд, статистик из Блетчли-Парка, работавший рядом с Тьюрингом, пишет, что сверхинтеллектуальная машина может проектировать ещё более совершенные машины,

0:52 называет это интеллектуальным взрывом и последним изобретением, которое когда-либо понадобится человеку, при условии, что машина достаточно покорна, чтобы сказать нам, как её контролировать, что является тем «при условии, что», после которого люди перестают читать. В течение сорока лет эта фраза означала именно это: система, которая редактирует свой собственный исходный код или веса и становится умнее с каждым проходом. Эссе Элиэзера Юдковского 2008 года сделало это ключевым словом безопасности ИИ, и ни у кого не было машины для тестирования, что является идеальным условием для определения. Затем в мае 2025 года DeepMind выпустил AlphaEvolve,

1:23 агент Gemini, который предлагает код, получает его оценку, сохраняет победителей и мутирует их снова. Он умножал комплексные матрицы четыре на четыре за 48 шагов, побив рекорд, установленный Штрассеном в 1969 году, и он восстанавливает около нуля целых семи десятых процента мировых вычислительных мощностей Google, что в масштабах Google — это центр обработки данных, найденный под диваном. Gemini теперь помогал обучать Gemini, и фраза тихо перешла из блогов о безопасности в пресс-релизы. Dream-RSI прикрепляет контроллер к этому циклу.

1:52 Политика, реальная программа на Python, решает, какие ветви дерева поиска расширять, сколько параллельно и когда сдаваться. Gemini пишет кандидатный код, и фиксированный оценщик его оценивает. Каждый запуск оставляет за собой дерево того, что было опробовано и как оно было оценено. Это дерево становится симулятором воспроизведения: второй, столь же замороженный Gemini переписывает политику, и новая политика тестируется по записанным результатам вместо на реальных GPU.

2:16 В статье это называется «сном», и один реальный запуск окупает тысячи «сновидческих» с нулевыми затратами на выполнение. Победитель возвращается в онлайн, пул записанных миров растёт, повторяем. И запрос в Приложении B.2 говорит самосовершенствующемуся ИИ, письменно: редактируйте только этот файл и не решайте научную задачу. Измерено. В задаче решателя Lasso фиксированное исследование потратило 550 вызовов Gemini, чтобы достичь 3,6 секунды, Dream-RSI потратил 317, чтобы достичь 2,9, и оба превзошли scikit-learn.

2:46 В KernelBench он достиг той же скорости ядра при примерно в 2,4 раза меньшем количестве поколений. И в упаковке кругов он набрал 2.635983, что точно, до шести знаков после запятой, набрала AlphaEvolve версии два в прошлом году. Итак, X прочитал заголовок: Google только что взломал рекурсивное самосовершенствование. Hacker News прочитал PDF: называть это RSI кажется вводящим в заблуждение. И на той же неделе генеральный директор конкурента сказал, что цикл работает с лета и всем следует замедлиться.

3:13 Три предложения, те же два слова, три разные машины. Итак, в понедельник, как читать следующую статью о RSI. Один: спросите, какой объект меняется, веса, код или настройки поиска; Dream-RSI меняет третий. Два: спросите, кто заморожен; здесь это кодер, судья и переписчик, все трое. Три: спросите, что представляет собой заголовочное число. Сэкономленные вычисления — это оптимизация; контрольный показатель, которого модель не могла достичь раньше, — это взлёт, и никто пока не опубликовал такового.

3:40 Вердикт, под капотом: NEEDS REVIEW. Цикл реален, сбережения измерены, и два слова на обложке описывают машину, которой нет в статье. Если вы предпочитаете прочитать это, чем услышать от меня, дайджест приходит в ваш почтовый ящик каждое утро, бесплатно на the daily diff dot dev, ссылка ниже. Скажите мне, что открыть следующим в комментариях. И это на сегодня всё. Я Нико из Axrisi.

4:00 Сливайте ответственно.

Источники

  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

Похожие видео

under-the-hood · ru · 12 окт. 2026 г.

Файлы моделей Hugging Face могут запускать скрытый код

Вредоносные пакеты моделей могут выполнять код во время небезопасной загрузки. Три документированных примера объясняют обратные оболочки Pickle, поведение сканера поврежденных файлов и продемонстриров

3:33 ↗