RSI-Anything：用世界模型解锁递归自我改进
来自 arXiv · 期号 2026-10-10
摘要
递归自我改进（RSI）的目标是把交互经验转化为持续提升，但外部反馈成本高，世界模型预测也会随策略变化而不可靠。 RSI-Anything 是一个通用框架，基于 JEPA-Anything，用预测性世界模型来指导动作和学习数据的选择。观察到的反馈驱动策略或工作流改进，以及条件化的世界模型适配；组件和兼容性检查则决定是否保留更新后的策略-模型对。 在多个计算和科学领域，RSI-Anything 都取得了显著提升。代码修复中，固定编码器后，成功率从静态验证器的 26.3% 提升到预测性选择的 29.2%，再到世界模型适配后的 31.2%，测试用量相当。GUI 评估中任务完成率更高，平均操作次数减少 39.4%。实验室规划分数在五个连续策略版本中从 21.80% 翻倍至 46.01%。反应优化中，在相同 40 次实验预算下，RSI-Anything 达到 96.15% 的平均最佳观测产率，而贝叶斯优化为 82.16%。 论文附有端到端免疫科学应用案例，将工作流演化与治疗假设生成联系起来。
深读
导读 递归自我改进（RSI）是让AI系统从交互经验中持续学习提升的理想范式，但外部反馈成本高、世界模型预测随策略变化而不可靠。RSI-Anything 提出一个通用框架，用预测性世界模型替代静态验证器，在代码修复、GUI操作、实验室规划、反应优化等多个领域都取得了显著提升，为构建能自主迭代的AI系统提供了可行路径。 关键信息 - RSI-Anything 基于 JEPA-Anything 框架构建，使用预测性世界模型来指导动作和学习数据的选择。 - 在代码修复任务中（固定编码器），成功率从静态验证器的 26.3% 提升到预测性选择的 29.2%，再到世界模型适配后的 31.2%，测试用量相当。 - GUI 评估中任务完成率更高，平均操作次数减少 39.4%。 - 实验室规划分数在五个连续策略版本中从 21.80% 翻倍至 46.01%。 - 反应优化任务中，在相同 40 次实验预算下，RSI-Anything 达到 96.15% 的平均最佳观测产率，而贝叶斯优化为 82.16%。 逐节讲解 问题与框架设计 递归自我改进（RSI）的目标是把交互经验转化为持续提升，但面临两个核心困难：外部反馈（如人工标注）成本高昂，且世界模型预测会随策略变化而变得不可靠。RSI-Anything 是一个领域通用的框架，基于 JEPA-Anything，核心思路是用预测性世界模型来指导动作和学习数据的选择。观察到的反馈驱动策略或工作流改进，以及条件化的世界模型适配；组件和兼容性检查则决定是否保留更新后的策略-模型对。 多领域实验结果 论文在多个计算和科学领域验证了 RSI-Anything 的效果。代码修复中，固定编码器后，成功率从静态验证器的 26.3% 提升到预测性选择的 29.2%，再到世界模型适配后的 31.2%，测试用量相当。GUI 评估中任务完成率更高，平均操作次数减少 39.4%。实验室规划分数在五个连续策略版本中从 21.80% 翻倍至 46.01%。反应优化中，在相同 40 次实验预算下，RSI-Anything 达到 96.15% 的平均最佳观测产率，而贝叶斯优化为 82.16%。 端到端应用 论文还展示了一个端到端的免疫科学应用，将工作流演进和预测性建模与治疗性假设生成连接起来。这进一步说明了预测性世界模型和保留的系统更新如何使递归改进在多样化环境中成为可能。 值得注意 由于原文仅为论文摘要，没有提供方法细节（如 JEPA-Anything 的具体架构、世界模型的训练方式、组件兼容性检查的具体规则），因此无法评估该框架的实现复杂度、计算开销以及在不同场景下的泛化能力。摘要中报告的提升幅度令人印象深刻，但需要阅读全文才能判断这些结果是否在统计上显著、实验设置是否公平（例如与贝叶斯优化的对比是否控制了超参数调优成本）。