AIが自分で賢くなる新技術

再帰的な自己改善の進歩は、効果的な探索にかかっています。蓄積された発見の履歴は、実現された探索空間におけるリプレイシミュレーターとして機能します。Dream-RSIは、探索層で自己改善ループを閉じます。これは、オンライン探索を通じて発見の履歴を継続的に収集し、それらからリプレイシミュレーターを構築して、dreaming（夢見）を介してメタ探索戦略を洗練し、アップグレードされたポリシーをオンラインで再展開します。Dream-RSIは、いくつかの設定において、発見の有効性と効率の両方を向上させます。