Dream-RSI（演化世界驱动的AI 词典：递归自我改进">递归自我改进）是一种训练范式：不只让模型反复做同一批题，而是给它造一个会跟着它一起变难、持续演化的虚拟世界，让它在里面大量试错，再把经验回灌给模型本身，形成一轮比一轮强的循环。其中 RSI 即 Recursive Self-Improvement（递归自我改进）。
先把三个关键词拆开看。
Dream（梦境）：这里的"梦"不是指生成图片，而是指由世界模型（world model）或模拟器搭出来的虚拟环境。它像飞行模拟舱，但可以无限生成新场景，不需要真人一次次重搭。
演化：环境不是静态题库。题库做完就被记住了；而这个世界会随着模型变强而变难——新的对手、新的地形、新的规则组合不断冒出来，类似游戏系统自动给你匹配更强的对手。
RSI（递归自我改进）：不是"这次考得好"，而是"这次找到了更好的学习方法，下次用这个方法再找更好的方法"。被改进的对象，是改进能力本身。
打个比方：想练成好厨师。抄菜谱是常规自训练——同一本书抄一百遍，熟也只是熟那本书。和师兄对练是自我博弈（self-play）——有人陪你打，但菜式就那么几样。Dream-RSI 是自己开一家虚拟餐厅：你出新菜，模拟的客人就变刁，客流、食材、隔壁店的招式都跟着你变。你在里面试上千遍，把"哪种做法会被退货"的直觉练进手里。
| 维度 | 常规自训练 | 自我博弈 | Dream-RSI |
|---|---|---|---|
| 训练信号来自 | 固定数据或模型自标 | 对手的对局 | 持续演化的虚拟世界 |
| 环境是否变化 | 不变 | 随对手变 | 主动演化，随学习者变难 |
| 改进对象 | 输出质量 | 策略 | 学习方式与环境本身 |
| 主要风险 | 误差累积、模式坍塌 | 策略循环 | 与现实脱节 |
边界在哪？它成立有三个前提：一是反馈可验证，世界得能告诉模型这步对了还是错了；二是世界模型足够可信，模拟器一失真，模型练出来的就是"梦里的本事"，迁移不到现实（reality gap）；三是需要外部锚点——真实数据、人工评审或硬规则，防止模型和环境互相迁就、一起跑偏。因此它适合反馈频繁、能自动判分的开放任务，比如智能体（agent）控制、代码、具身操作；不适合一次只有一条命、错了没法重来的场景。
对从业者，这意味着数据策略的重心从"标多少条"转向"造一个多好的世界"；对普通人，值得留意的是：AI 的进步速度越来越取决于它能多快给自己出题，而人的稀缺能力，越来越是判断"这道题值不值得做"。