17名の共著による論文「Dream-RSI: Recursive Self-Improvement through Evolving Worlds」です(2026年9月14日投稿)。自律AIエージェントの再帰的自己改善(RSI)のための探索フレームワークを提案しています。エージェントがこれまでに発見してきた履歴(発見ツリー)を使ってリプレイ用のシミュレータ(「世界」)を構築し、その上で仮想的に試行錯誤する(「夢を見る」)ことで、コストの高いオンライン評価を繰り返さずに低コストなオフポリシーのフィードバックを得て探索方策を改善する手法です。
アルゴリズム工学、数学的最適化、GPUカーネル工学の3領域で実験を行い、発見コストを大きく削減しつつ、発見の質は既存手法と競争力がある、あるいは向上したと報告しています。
出典が伝えている要点
- 論文タイトルは『Dream-RSI: Recursive Self-Improvement through Evolving Worlds』
- 著者はTong Zheng、Xidong Wu、Zheng Zhang、Zhankui He、Chaoyi Zhang、Benjamin Coleman、Ruoqiao Wei、Di Bai、Haolin Liu、Rui Liu、Xue Wang、Yue Zhuan、Wang-Cheng Kang、Renkai Xiang、Heng Huang、Xinwu Cheng、Yunsong Guoの計17名
- 論文は2026年9月14日にarXivに投稿された
- 提案手法は、エージェントが蓄積してきた発見の履歴(発見ツリー)から探索空間上のリプレイシミュレータを構築する
- 構築したシミュレータ上でエージェントが試行を行うことで、繰り返しコストのかかるオンライン評価を行わずに低コストなオフポリシーフィードバックを得られるとしている
- そのフィードバックを用いて探索ポリシーを改善する手法である
- 手法はアルゴリズム工学、数学的最適化、GPUカーネル工学の3領域で評価された
- これら複数の設定において発見コストを大幅に削減したと主張している
- 発見の質(quality)は既存手法と競争力がある、または改善されたと主張している