Dream-RSI：用过去的搜索，检验新的搜索策略
已有尝试让策略无须重做发现过程，就能检验不同的后续选择。Lasso 结果则说明，搜索调用减少与求解器运行变快需要分开解读。
解读展开概要收起概要
Dream-RSI 回放已完成的发现树，在模型和评价器固定的条件下评估并改写探索策略代码。一棵小树展示了两个策略如何从相同信息出发，看到不同结果。Gemini-3.1-Pro 的 Lasso 对照报告了 317 次对 550 次发现调用，以及更低的求解器平均耗时；但论文指出，均值改善由 RCV1 驱动，其余五个留出数据集全部变慢。保留旧策略只保障同一固定历史池上的平均回放分不下降。