Als die Führungskräfte von Anthropic, OpenAI und xAI vor wenigen Tagen überraschend eine koordinierte Drosselung des Entwicklungstempos („Pacing the Frontier“) forderten, kursierten in der KI-Forschungsgemeinschaft bereits Gerüchte über einen Durchbruch bei Google. Nur Tage nach dem eindringlichen Alarmruf von OpenAIs Chefwissenschaftler liegt der Auslöser nun schwarz auf weiß vor: Ein Forschungsteam von Google, Google DeepMind, der University of Maryland und der University of Virginia hat mit Dream-RSI einen theoretischen und praktischen Meilenstein für die rekursive Selbstverbesserung autonomer KI-Agenten veröffentlicht.
Die Arbeit, die das Team im Forschungsbericht auf arXiv und auf der Projektseite zu Dream-RSI dokumentiert, löst ein fundamentales Nadelöhr, an dem autonome Entdeckungssysteme bislang scheiterten: den gigantischen Rechenaufwand bei der Suche nach besseren Lösungen.
Der blinde Fleck autonomer Entdeckungssysteme
Bisherige Systeme zur automatisierten Software- und Algorithmenentwicklung - darunter frühere Meilensteine wie AlphaEvolve von Google DeepMind - folgen einer einfachen Schleife: Eine KI erzeugt Programmentwürfe, testet sie in einer Sandbox, wertet die Fehler aus und versucht es erneut. Doch während die Programmierfähigkeiten der Sprachmodelle rasant stiegen, blieb eine entscheidende Komponente bisher starr und handgeschrieben: die sogenannte Erkundungsstrategie (Exploration Policy).
Diese Strategie bestimmt, welche Lösungsansätze vertieft, welche Sackgassen abgebrochen und wie viele Versuche parallel gestartet werden. Bislang war dieser Steuerungsmechanismus fest programmiert. Passte er nicht optimal zum Problem, verbrannte der Agent Unmengen an Token und Rechenzeit in unfruchtbaren Suchpfaden. Ein dynamisches Anpassen dieser Strategie galt jedoch als unbezahlbar: Um zu beurteilen, ob eine Steuerungsstrategie gut ist, musste man ihr Verhalten über hunderte oder tausende teure Programmläufe hinweg beobachten.
Die Kernidee: Die Vergangenheit ist bereits ein Simulator
Hier setzt der entscheidende Hebel von Dream-RSI an. Die Forscher erkannten, dass die Historie eines abgeschlossenen Programmierdurchlaufs nicht bloß Text auf einer Festplatte ist. Sie bildet einen exakten, baumförmigen Atlas aller getroffenen Entscheidungen und ihrer realen Ausführungsergebnisse.
Wenn ein System wissen will, wie eine alternative Suchstrategie abgeschnitten hätte, muss es den Code nicht erneut kompilieren oder ausführen. Die neue Strategie kann denselben historischen Baum in anderer Reihenfolge, mit anderen Abbruchkriterien und veränderten parallelen Gruppen ablaufen - bei exakt null zusätzlichen Programmausführungen. Die KI „träumt“ die Erkundung im Simulator ihrer eigenen Vergangenheit.
Ein spezialisierter Agent überarbeitet den Quellcode der Steuerungsstrategie mehrfach offline, testet jede Variante im Replay gegen die gespeicherten Welten und wählt die beste aus. Da die aktuell aktive Strategie stets Teil des Kandidatenpools bleibt, kann sich das Gesamtsystem mathematisch niemals verschlechtern.
| Ansatz | Erkundungssteuerung | Feedback-Kosten | Skalierbarkeit |
|---|---|---|---|
| Klassische Entdeckungssysteme | Starr, vom Menschen handgeschrieben | Keine Optimierung der Strategie möglich | Gering, bleibt in Sackgassen hängen |
| Online-Versuch-und-Irrtum | Wird im laufenden Betrieb angepasst | Extrem hoch (tausende reale Rollouts) | Wirtschaftlich oft untragbar |
| Dream-RSI (Evolving Worlds) | Wird offline im Replay per Programmcode optimiert | Nahezu null (reines Durchlaufen gespeicherter Daten) | Sehr hoch, wächst mit jedem Durchlauf |
Evolving Worlds: Jede Runde baut eine neue Welt
Erst wenn im Simulator die überlegene Strategie feststeht, darf sie wieder in die reale Entwicklungsumgebung. Dort stößt sie in Bereiche des Lösungsraums vor, die keine frühere Strategie erreicht hätte. Der dabei neu entstehende Entscheidungsbaum wird wiederum als neue Replay-Welt abgespeichert.
Mit jeder Schleife wächst der Simulator-Pool („Evolving Worlds“). Eine Strategie, die gegen fünf verschiedene historische Welten optimiert wurde, ist robuster als eine, die nur auf einen Glückstreffer abgestimmt war. Das ist die namensgebende Rekursion des Verfahrens.
In den Experimenten der Forscher mit Modellen wie Gemini-3.1-Pro und Gemini-3.7-Flash zeigte dieser Ansatz verblüffende Effizienzgewinne in drei komplexen Domänen:
- Algorithmen-Entwicklung (Lasso-Optimierung): Dream-RSI fand hochoptimierte mathematische Solver, die Standardbibliotheken wie Scikit-Learn und GLMNet übertrafen - und benötigte dabei 162-mal weniger Agentenaufrufe als das Vergleichssystem SimpleTES (317 gegenüber 51.200 Aufrufen).
- Hardware- und GPU-Kernel (KernelBench): Bei Standardaufgaben wie VGG16 und LayerNorm erreichte das System vergleichbare Laufzeiten mit 2,43-fach beziehungsweise 1,79-fach weniger Versuchen. Bei komplexen Operationen wie ConvDiv steigerte es die Ausführungsgeschwindigkeit bei gleichem Budget um den Faktor 2,09.
- Mathematische Optimierung: In anspruchsvollen Optimierungsaufgaben (darunter Circle Packing und Autokorrelations-Ungleichungen) zog das System mit spezialisierten Spitzenmodellen gleich oder übertraf sie, verbrauchte dabei jedoch nur einen Bruchteil des üblichen Rechenbudgets.
Überraschende Lektion: Warum Belehrung der Suche schadet
Neben den Benchmark-Zahlen förderte die Studie eine aufschlussreiche Erkenntnis über das Verhalten großer Sprachmodelle zutage. Das Team prüfte auch den intuitiven Ansatz, vergangene Läufe in sprachliche Ratschläge und Faustregeln zusammenzufassen und dem Modell als Prompt mitzugeben.
Das Ergebnis war eindeutig: Diese explizite semantische Führung schnitt durchweg schlechter ab als das ungeleitete Durchspielen im Simulator. Starke sprachliche Vorannahmen schränken den Suchraum künstlich ein und ersticken die Vielfalt paralleler Lösungsansätze im Keim. Statt der KI vorzugeben, wo sie suchen soll, erwies sich die Optimierung der strukturellen Programmabläufe als der weitaus wirksamere Weg.
Zudem zeigte die gelernte Strategie ein bemerkenswertes adaptives Verhalten: Sobald sie schnelle Fortschritte erzielte, drosselte sie die parallelen Versuche von 110 auf 50, um Rechenressourcen zu sparen. Gerät der Fortschritt ins Stocken, weitete sie die Erkundung wieder selbstständig auf bis zu 90 Versuche aus, um Plateaus zu überwinden.
🎯 Was das für die Praxis bedeutet
1. Trennung von Modell und Erkundung: Für Unternehmen, die eigene Coding-Agenten entwickeln, zeigt Dream-RSI, dass nicht immer ein größeres Basismodell nötig ist. Eine intelligente, programmierbare Steuerung der Suchbäume spart mehr Rechenzeit als pure Modellgröße.
2. Protokolldaten werden zu Simulatoren: Die Verläufe bisheriger Software-Experimente und Unittests sollten strukturiert aufbewahrt werden. Als replaybare Entscheidungsbäume ermöglichen sie das Offline-Training künftiger Agenten ohne teure API-Wiederholungen.
3. Einordnung der Sicherheitsdebatte: Das Verfahren erklärt, warum US-Labs aktuell über Drosselungen verhandeln. Es markiert jedoch keine unkontrollierbare Superintelligenz: Dream-RSI funktioniert bislang ausschließlich dort, wo Compiler, mathematische Funktionen oder automatische Benchmarks ein glasklares, objektives Feedback liefern.
