Google и DeepMind научили агентов улучшать поиск по дереву прошлых попыток
Dream-RSI использует дерево прошлых запусков как точный симулятор уже исследованного пространства
Новые стратегии исследования прогоняются по этой истории без новых запусков среды
Авторы заявляют 2-3x меньше вызовов для решения задач
Почему важно
Если логировать все попытки, а не только удачные ходы, история работы агента превращается в бесплатный полигон для его улучшения