请提供需要缩写的原文开头正文，目前只收到一张 arXiv 图标链接，没有可依据的文字内容，无法写出符合要求的预览段。
正文
你还没有附上需要简写的原文。请把原文内容发过来，我会按你的要求用中文简写，保留叙述顺序、关键事实、数据和配图，去掉导航、广告等无关部分。
评论
讨论整体偏怀疑：多数人承认论文里的部分工程技巧巧妙，但反对用「RSI」（递归自我改进）来命名，认为实质只是搜索与算力分配的优化；少数人认为这类优化正是更快抵达 RSI 的必经之路，并称赞其可复现性。分歧的核心是「优化」与「自我改进」的边界，以及这套搜索控制器能否迁移到新问题。
认为叫它 RSI 是过度包装
- 认为这属于对现有训练方法的优化，做得不错，但不是那种能永远自我改进的系统意义上的 RSI（较多人）
- 认为它只是减少在无效路径上浪费的 token 与算力，本质是优化（较多人） > 这看起来是对当前训练方法的优化，而且做得不错，但并不是那种能永远自我改进的系统意义上的「RSI」。（@rybosworld）
认为命名之争意义不大，它确实是通往 RSI 的加速器
- 承认这是优化，但主张它让人更快抵达 RSI，不认为这构成问题（少数人） > 这确实是优化，但也是一条更快抵达 RSI 的路径，问题在哪？（@gilfoyle_7）
质疑论文缺少实例、说服力不足
- 有人要求先说明它到底「革命」在哪里；有人抱怨全文没有真实例子，靠一堆历史状态拼出的「模拟器」不足以说明问题；也有人觉得「Dream」这个命名本身太玄（较多人）
- 有评论直接判定这算不上好的科学或工程，顶多是个学生项目（少数人） > 用一堆历史状态拼出一个「模拟器」，对我来说信息量远远不够。（@Tycho）
肯定作者公开完整提示词、可复现
- 称赞作者公开了完整提示词，任何人都能拿任意 LLM 试一遍看结果（较多人） > 作者很厚道地公开了完整提示词，任何人都能拿任意 LLM 复现他们的做法。（@logicallee）
从工程角度强调历史应是不可变状态账本
- 有人据此自己写了简化实现，把历史当作状态账本，记忆与自我改进只是引用历史作为证据且可被改写，并认为强不可变状态是多数记忆库缺失的那块拼图（少数人） > 历史是状态账本，记忆和自我改进只是引用历史作为证据，而强不可变状态正是大多数记忆库缺失的那块拼图。（@DanMcInerney）
有价值的补充
- 一条把机制讲得最清楚的类比：让三个 agent 各自用 10 步预算在 MNIST 上冲准确率，A 两步就到 90% 后停滞，B 到 80%，C 每步都在爬却在第 10 步被迫停下；因为全程轨迹都被记录，下次就能少给 A 步骤、多给 C 步骤。论文里那个「搜索控制器」做的就是自动评估并重新分配资源。提出者自己也追问：某个问题上的停滞模式，未必适用于另一个问题。
- 有人指出用历史回放做 off-policy 评估以替代昂贵的 rollout 是聪明做法，同时提出尖锐疑问：随着搜索空间扩张，策略会不会过拟合已发现的分支而逐渐失效。
- 有人把这项工作与 Karpathy 的 autoresearch 相提并论，认为思路相近。
- 有评论问 Sutton 和 Barto 是否已就「RSI」发声，反映出社区期待 RL 权威下场为这个词定性。