當 AI 要花數千輪提出和評估方案，探索方向選得不好，計算資源便會浪費在無效搜尋上。Dream-RSI 是一套用來改進 AI 探索策略的遞迴自我改進框架，讓策略先在既有探索紀錄中演練，再決定是否投入昂貴的線上搜尋。
它不另建一個學習出來的世界模型，而是把代理過往建立的探索樹當成可重播的模擬器。系統在線上收集搜尋歷史，再離線測試多個候選策略；選出的策略才會部署到下一輪，並帶回新的探索紀錄，逐步擴大可供演練的經驗池。這做法省去逐一實跑候選策略的成本，但模擬範圍受限於過往探索到的路徑，未曾出現的情況仍須在線上驗證。
目前公布的測試涵蓋演算法工程、數學最佳化及 GPU kernel 工程，共八項任務。在演算法工程中，與 Recursive Fixed Exploration 相比，下游執行速度提高 1.22 倍，探索計算量減少 1.74 倍，呼叫次數比 SimpleTES 少 162 倍；GPU kernel 的四項測試全部改善，同等預算下效能提高 2.09 倍。數學最佳化則有三項中的兩項達到或超越所選基線，結果仍需按任務解讀，不能視為所有搜尋問題都會有相同收益。
這套方法較適合需要長時間、多輪探索的演算法與工程研究團隊，尤其是每次線上評估成本高昂的工作。程式碼仍在準備發布，現階段可閱讀技術報告與論文了解方法和結果；儲存庫尚未提供可直接安裝執行的公開版本。
- 探索樹被重用為策略演練環境，不必為每個候選策略重新執行完整搜尋。
- 每輪勝出的策略會投入線上搜尋，並補充新的探索歷史。
- 已測試三個領域、八項任務，GPU kernel 測試四項全有改善。
- 模擬器只涵蓋已探索的搜尋空間，公開程式碼仍在準備中。
