+− THE DAILY DIFFdev & AI news
NEEDS REVIEW

Рекурсивне самовдосконалення, під капотом

Google DeepMind опублікував «Dream-RSI: Рекурсивне самовдосконалення через світи, що еволюціонують» — і модель кодування в ньому ніколи не змінюється.

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

Google DeepMind опублікував «Dream-RSI: Рекурсивне самовдосконалення через світи, що еволюціонують» — і модель кодування в ньому ніколи не змінюється. Під капотом: що означала ця фраза протягом 60 років, що насправді циклічно відбувається в Dream-RSI (політика дослідження на Python, яка «мріє» над записаними деревами пошуку), і чому 317 викликів агента замість 550 є знижкою, а не зльотом. Вердикт: NEEDS REVIEW.

Читати письмову версію (англійською) ↗

Що охоплює це відео

  • 1965 → 2008: «вибух інтелекту» І. Дж. Гуда, стартовий ШІ Юдковського — машина, яка переписує власні ваги
  • 2025: AlphaEvolve — 48-кратне множення матриці 4×4, відновлено 0.7% обчислювальної потужності Google, ядра Gemini на 23% швидші
  • 2026: Dream-RSI — політика вдосконалюється, кодер, суддя та переписувач заморожені; підказка говорить «Не вирішуйте наукове завдання»
  • X: «Google щойно зламав рекурсивне самовдосконалення» (819 вподобань) проти HN: «називати це RSI здається оманливим»
  • Використані числа: §4.1 Lasso 550 → 317 викликів агента, 3587 → 2931 мс; Таблиця 1 пакування кіл 2.635983 = AlphaEvolveV2; §4.3 KernelBench у 2.43× / 1.79× менше поколінь, до 2.09× швидше; Додаток B.2 підказка (все з PDF вище)

Запитання та відповіді

Що означає рекурсивне самовдосконалення в ШІ?

Це означає, що система ШІ робить себе розумнішою, а потім використовує розумнішу версію, щоб зробити це знову. Ай Дж. Гуд описав вибух інтелекту в 1965 році, а есе Еліезера Юдковського 2008 року зробило цю ідею центральною для безпеки ШІ. Протягом десятиліть ця фраза означала систему, яка переписує власний вихідний код або ваги і стає розумнішою з кожним проходом.

en.wikipedia.org · www.lesswrong.com

Що саме покращується в статті Google DeepMind Dream-RSI?

Покращується лише політика дослідження. Це програма на Python, яка вирішує, які гілки дерева пошуку розширювати. Згідно зі статтею, кодер, суддя та переписувач є замороженими компонентами Gemini, а підказка в Додатку B.2 вказує системі редагувати один файл, а не вирішувати наукове завдання.

arxiv.org · dream-rsi.com

Як система ШІ тестує нові стратегії проти записаних запусків замість реального обладнання?

Dream-RSI перетворює кожен минулий запуск на симулятор відтворення. Кожен запуск залишає дерево того, що було випробувано і які були результати, а заморожений Gemini переписує політику. Нова політика потім тестується проти цих записаних результатів замість реальних GPU. У статті це називається мріями, і один реальний запуск оплачує тисячі омріяних.

arxiv.org

Наскільки великими були виміряні досягнення в Dream-RSI?

Досягнення полягали в економії ефективності. У завданні Lasso фіксоване дослідження потребувало 550 викликів агента, а Dream-RSI – 317, при цьому час виконання скоротився з 3587 до 2931 мс. У KernelBench це потребувало в 2,43 рази менше генерацій. Упаковка кіл набрала 2,635983, стільки ж, скільки AlphaEvolveV2. Це знижка на обчислення, згідно з епізодом, і відсутність нових можливостей.

arxiv.org

Чи повинні розробники називати Dream-RSI рекурсивним самовдосконаленням?

Вердикт The Daily Diff був NEEDS REVIEW. Цикл реальний, а економія виміряна, але два слова на обкладинці описують машину, якої немає в статті. Корисною перевіркою для наступної статті RSI є питання про те, який об'єкт змінюється, хто заморожений і в яких одиницях вимірюється головне число.

arxiv.org · news.ycombinator.com

Перекладена стенограма

Перекладено з оригінальної англійської розповіді. Доступне аудіо та субтитри контролюються YouTube.

0:00 Рекурсивне самовдосконалення — це ідея, що ШІ робить себе розумнішим, а потім використовує розумнішу версію для повторення цього, і цього тижня Google опублікував документ з цими двома словами в назві, в якому ваги моделі ніколи не змінюються. Три числа. Генеральний директор Anthropic каже, що цей цикл працює з літа, що є його причиною сповільнити всю галузь. Твіт, що оголошував, що Google щойно розгадав це, зібрав вісімсот вподобань за день.

0:24 А головний результат самого документа — 317 викликів моделі замість 550, що є знижкою, а не зльотом. За три хвилини: звідки походить фраза, що насправді циклічно відбувається всередині Dream-RSI, і як читати наступний документ з RSI на обкладинці. Це The Daily Diff, під капотом. 1965 рік. І. Дж. Гуд, статистик Блетчлі-Парку, який працював поруч з Тюрінгом, пише, що ультраінтелектуальна машина могла б створювати ще кращі машини,

0:52 називає це вибухом інтелекту та останнім винаходом, який коли-небудь знадобиться людині, за умови, що машина досить покірна, щоб розповісти нам, як її контролювати, що є тим «за умови», після якого люди перестають читати після коми. Протягом сорока років ця фраза означала саме це: система, яка редагує власний вихідний код або ваги і стає розумнішою з кожним проходом. Есе Еліезера Юдковського 2008 року зробило це опорним словом безпеки ШІ, і ніхто не мав машини для тестування цього, що є ідеальними умовами для визначення. Потім у травні 2025 року DeepMind випустив AlphaEvolve,

1:23 агент Gemini, який пропонує код, отримує його оцінку, зберігає переможців і мутує їх знову. Він множив складні матриці чотири на чотири за 48 кроків, побивши рекорд, встановлений Штрассеном у 1969 році, і відновлює близько нуля цілих сім десятих відсотка обчислювальної потужності Google у всьому світі, що в масштабах Google є центром обробки даних, знайденим під диваном. Gemini тепер допомагав навчати Gemini, і фраза тихо перейшла з блогів про безпеку до прес-релізів. Dream-RSI встановлює контролер поверх цього циклу.

1:52 Політика, фактична програма на Python, вирішує, які гілки дерева пошуку розширювати, скільки паралельно, і коли здаватися. Gemini пише код-кандидат, а фіксований оцінювач оцінює його. Кожен запуск залишає дерево того, що було випробувано і що було оцінено. Це дерево стає симулятором повторів: другий, так само заморожений Gemini переписує політику, і нова політика тестується на записаних результатах замість на реальних графічних процесорах.

2:16 У документі це називається сновидінням, і один реальний запуск оплачує тисячі омріяних без витрат на виконання. Переможець повертається в мережу, пул записаних світів зростає, повторюється. А підказка в Додатку B.2 говорить ШІ, що самовдосконалюється, письмово: редагуйте лише цей файл і не вирішуйте наукове завдання. Виміряно. На завданні розв'язувача Lasso, фіксоване дослідження витратило 550 викликів Gemini, щоб досягти трьох цілих шести десятих секунди, Dream-RSI витратив 317, щоб досягти двох цілих дев'яти десятих, і обидва перевершили scikit-learn.

2:46 На KernelBench він досяг тієї ж швидкості ядра з приблизно у два цілих чотири десяті рази менше поколінь. А на пакуванні кіл він набрав два цілих шістсот тридцять п'ять тисяч дев'ятсот вісімдесят три, що точно, до шести знаків після коми, те, що AlphaEvolve версії два набрав минулого року. Отже, X прочитав заголовок: Google щойно зламав рекурсивне самовдосконалення. Hacker News прочитав PDF: називати це RSI здається оманливим. І того ж тижня генеральний директор конкурента сказав, що цикл працює з літа і всім слід сповільнитися.

3:13 Три речення, ті самі два слова, три різні машини. Отже, у понеділок, як читати наступний документ про RSI. Один: запитайте, який об'єкт змінюється, ваги, код чи налаштування пошуку; Dream-RSI змінює третій. Два: запитайте, хто заморожений; тут це кодер, суддя та переписувач, всі троє. Три: запитайте, що є одиницею головного числа. Збережені обчислення — це оптимізація; бенчмарк, якого модель не могла досягти раніше, — це зліт, і ніхто ще не опублікував цього.

3:40 Вердикт, під капотом: NEEDS REVIEW. Цикл реальний, економія виміряна, а два слова на обкладинці описують машину, якої немає в документі. Якщо ви волієте читати це, а не чути від мене, The Daily Diff приходить на вашу електронну пошту щоранку, безкоштовно на thedailydiff.dev, посилання нижче. Скажіть мені, що відкрити наступним у коментарях. І це The Daily Diff на сьогодні. Я Ніко з Axrisi.

4:00 Відповідально об'єднуйте.

Джерела

  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

Пов'язані відео

under-the-hood · uk · 12 жовт. 2026 р.

Файли моделі Hugging Face можуть запускати прихований код

Шкідливі пакети моделей можуть виконувати код під час небезпечного завантаження. Три задокументовані приклади пояснюють реверсивні оболонки Pickle, поведінку сканера пошкоджених файлів та продемонстро

3:33 ↗