Ein Coding-Agent sucht in vielen Versuchen nach besseren Programmen. Welchen Versuch er fortsetzt, was parallel läuft und wann er abbricht, legt eine Explorationsstrategie fest, die bisher meist von Hand geschrieben ist. Dream-RSI lässt einen zweiten Agenten diese Strategie mehrfach umschreiben und spielt jede Fassung an den aufgezeichneten Suchbäumen früherer Läufe durch. Weil deren Ergebnisse schon feststehen, kostet diese Bewertung keine neuen Programmausführungen.
Die beste Fassung arbeitet danach wieder mit echten Versuchen und liefert einen weiteren Suchbaum für die nächste Runde; darin liegt die Rekursion. Weil die bisherige Strategie selbst zur Auswahl steht, kann die neue beim Nachspielen nicht schlechter abschneiden. Die Grenze nennen die Autoren selbst: Eine Strategie lässt sich nur dort prüfen, wo frühere Läufe tatsächlich hingekommen sind. Die Gewichte des Sprachmodells ändern sich dabei nicht.
Getestet wurde an acht Aufgaben, als Agenten dienten Gemini 3.1 Pro und Gemini 3.7 Flash. Für den Lasso-Pfad, eine Standardrechnung der Statistik, fand Dream-RSI mit Gemini 3.7 Flash nach 1.879 Agentenaufrufen ein Programm, das sechs Testdatensätze im Mittel in 2,35 Sekunden bearbeitet; mit fester Strategie waren es 2,52 Sekunden nach 3.200 Aufrufen. Mit Gemini 3.1 Pro reichten 317 Aufrufe für 2,93 Sekunden; das Vergleichssystem SimpleTES brauchte 51.200 Aufrufe für 3,80 Sekunden. Daher stammt der im Paper genannte Faktor 162.
Bei drei Mathematik-Aufgaben erreicht Dream-RSI mit weniger als 1.000 Versuchen gleich gute oder bessere Werte als SimpleTES mit 51.200; nur bei der Autokorrelation liegen SimpleTES und AlphaEvolve vorn. Bei zwei von vier GPU-Kernel-Aufgaben kam es mit 1,79- bis 2,43-mal weniger Versuchen auf vergleichbare Leistung, bei den anderen beiden wurden die Kernel bei gleichem Budget bis zu 2,09-mal schneller. Hinweise aus früheren Läufen direkt im Prompt schnitten dagegen schlechter ab als das Nachspielen. Den Code haben die Autoren ohne Lizenzangabe auf GitHub gestellt.