Google, Google DeepMind, University of Maryland e University of Virginia hanno presentato Dream-RSI, un sistema di recursive self-improvement che affronta uno dei problemi meno spettacolari e più importanti degli agenti AI: non tanto rendere più intelligente il modello, quanto impedirgli di sprecare migliaia di tentativi esplorando male lo spazio delle soluzioni. Il paper, pubblicato il 14 settembre 2026, introduce un’idea relativamente semplice ma tecnologicamente interessante: invece di modificare i pesi del modello, Dream-RSI modifica la strategia con cui l’agente decide dove cercare, quanto esplorare e quando interrompere un ramo. Il modello sottostante rimane invariato. (fonte Dream-RSI)
La distinzione è tutt’altro che semantica. Nella maggior parte della discussione sull’auto-miglioramento dell’AI, il verbo “migliorare” viene associato quasi automaticamente al training, al fine-tuning o all’aggiornamento dei parametri. Dream-RSI sposta invece il problema a un livello superiore: il modello continua a essere quello fornito dal laboratorio, mentre evolve il software che governa la sua esplorazione. È una forma di meta-ottimizzazione dell’agente, nella quale l’oggetto che evolve non è direttamente la capacità cognitiva del modello, ma la politica che decide come utilizzare quella capacità. (Dream-RSI)
Il meccanismo più originale è quello che i ricercatori chiamano “dreaming”. Quando un agente completa una sessione di ricerca, non conserva soltanto il risultato finale. Conserva l’albero delle esplorazioni, compresi i rami percorsi, gli artefatti prodotti, le valutazioni e gli esiti dei tentativi. Quel registro diventa quindi una sorta di simulatore offline. Una nuova strategia di esplorazione può essere fatta camminare attraverso quell’albero e valutata senza dover rieseguire nel mondo reale ogni esperimento che l’agente aveva già effettuato. In termini economici, una parte costosa del calcolo viene trasformata in infrastruttura riutilizzabile. (Dream-RSI)
Il ciclo è elegante proprio perché non pretende di creare magia dal nulla. L’agente esplora online, costruisce una storia di tentativi, trasforma quella storia in un ambiente di replay, genera diverse versioni della propria politica di esplorazione e le valuta sulla storia già disponibile. La politica che ottiene il risultato migliore viene quindi utilizzata nel successivo ciclo reale, il cui nuovo albero alimenta a sua volta il simulatore. Il sistema diventa così ricorsivo: l’esperienza passata non viene semplicemente inserita in un prompt, ma trasformata in un ambiente nel quale strategie alternative possono essere provate virtualmente. (Dream-RSI)
Il dettaglio metodologico più importante riguarda però il famoso numero di 162 volte. Presentarlo come “Dream-RSI è 162 volte più efficiente” sarebbe fuorviante. Il valore di 162x deriva dal confronto, sul problema della soluzione del percorso di regolarizzazione Lasso, tra 317 chiamate dell’agente Dream-RSI basato su Gemini-3.1 Pro e le 51.200 generazioni utilizzate da SimpleTES. È dunque un confronto con un sistema precedente e con una configurazione differente, non il risultato di un esperimento perfettamente controllato tra Dream-RSI e una strategia fissa utilizzando esattamente lo stesso setup. (Dream-RSI)
Il confronto metodologicamente più pulito è quello con Recursive Fixed Exploration, che utilizza lo stesso agente, lo stesso valutatore, la stessa inizializzazione e gli stessi budget per round, mantenendo però immutabile la politica di esplorazione. Con Gemini-3.1 Pro, Dream-RSI ha utilizzato 317 chiamate contro 550 della strategia fissa, riducendo contemporaneamente il runtime medio sui sei dataset held-out da 3.587,1 a 2.931,0 millisecondi. Con Gemini-3.7 Flash, le chiamate sono scese da 3.200 a 1.879 e il runtime medio da 2.516,7 a 2.350,6 millisecondi. Il guadagno rispetto al baseline controllato è quindi nell’ordine di 1,7 volte sulle chiamate, non di 162 volte. (Emergent Mind)
Questo ridimensionamento rende il risultato, paradossalmente, più interessante. Un miglioramento di 1,7 volte ottenuto intervenendo soltanto sull’orchestrazione, senza modificare il modello, significa che una quota significativa dell’efficienza degli agenti può dipendere dalla qualità della politica che organizza la ricerca. È un concetto che l’industria tende a trascurare perché è molto meno vendibile di un nuovo modello con un numero di parametri più grande. Ma nei sistemi agentici il costo non è determinato soltanto da quanto bene il modello risponde a una singola richiesta; dipende anche da quante volte lo si costringe a provare, fallire, correggere e riprovare. L’intelligenza computazionale, in altre parole, ha anche un problema di amministrazione aziendale.
Gli esperimenti non si sono fermati all’algorithm engineering. Dream-RSI è stato testato su otto attività complessive distribuite tra ingegneria degli algoritmi, ottimizzazione matematica e progettazione di kernel GPU. Nel caso dei kernel, il sistema ha riportato 2,43 volte meno generazioni per raggiungere prestazioni comparabili su VGG16 e 1,79 volte meno su LayerNorm; su ConvDiv ha raggiunto una prestazione 2,09 volte superiore a budget comparabile, mentre su ConvMax il vantaggio riportato è stato di 1,44 volte. Sono risultati interessanti, ma ancora confinati a benchmark specifici e a un sistema sperimentale, quindi non autorizzano a trasformare Dream-RSI in una teoria generale dell’auto-miglioramento degli agenti. (GitHub)
Ancora più interessante è ciò che non ha funzionato. I ricercatori hanno verificato una strategia apparentemente intuitiva: riassumere le esperienze precedenti in consigli semantici e passarli all’agente come guida per la ricerca successiva. Il risultato è stato peggiore rispetto al replay diretto della storia. La differenza suggerisce qualcosa di importante sull’apprendimento degli agenti: comprimere l’esperienza in una lista di “best practices” può eliminare proprio l’informazione operativa che rende utile quella esperienza. Un consiglio dice all’agente cosa è sembrato funzionare; un albero di esplorazione gli permette invece di verificare cosa sarebbe successo se avesse preso un’altra strada.
Qui Dream-RSI tocca un punto molto più ampio della semplice ottimizzazione dei benchmark. La memoria di un agente non deve necessariamente essere un archivio di risposte o una collezione di riassunti. Può diventare un ambiente computazionale nel quale vengono simulate decisioni alternative. È una differenza concettuale importante: il passato non viene più trattato soltanto come informazione da ricordare, ma come spazio di esperimenti controfattuali. L’agente non chiede semplicemente “che cosa ho imparato?”, ma può verificare, almeno entro i limiti dell’albero registrato, “che cosa sarebbe successo se avessi esplorato diversamente?”.
Il risultato porta quindi la discussione sull’AI recursive self-improvement fuori dal terreno quasi fantascientifico dell’agente che riscrive autonomamente i propri pesi e la porta in una zona molto più concreta: quella dell’ingegneria dei sistemi. Non serve un nuovo training run per ottenere un comportamento migliore; talvolta basta progettare meglio il livello che decide come spendere il training e l’inference già disponibili. È una lezione piuttosto sobria in un mercato che ama annunciare ogni settimana una nuova rivoluzione dell’intelligenza artificiale.
Dream-RSI non dimostra che un modello possa diventare indefinitamente più intelligente da solo, né dimostra una forma di AGI ricorsiva. Dimostra qualcosa di più circoscritto e, per chi costruisce agenti in produzione, probabilmente più utile: una strategia di esplorazione può essere ottimizzata usando la storia delle esplorazioni precedenti come simulatore, mantenendo invariati modello, valutatore e strumenti. Il codice del progetto risultava ancora in preparazione al momento della pubblicazione delle informazioni disponibili, mentre il progetto rende disponibile una demo del ciclo di esplorazione, replay e aggiornamento della politica. (GitHub)
La conseguenza industriale potenziale è notevole perché sposta il collo di bottiglia dall’addestramento all’orchestrazione. Se gli agenti diventano sistemi capaci di eseguire migliaia di operazioni autonome, la domanda economica non sarà soltanto quale modello utilizzare, ma quale politica di ricerca consenta di ottenere lo stesso risultato con meno chiamate, meno GPU, meno tempo e meno tentativi inutili. In questo senso Dream-RSI non insegna necessariamente a un modello a pensare meglio. Gli insegna qualcosa di molto più prosaico e molto più vicino alla realtà aziendale: smettere di sprecare calcolo quando ha già abbastanza informazioni per sapere dove cercare.