RSI-Anything：用世界模型推动递归式自我改进

导语

让 AI 具备“越做越好”的能力，关键不只是训练一个更大的模型，还要把一次次交互中获得的经验转化为可复用的系统更新。递归式自我改进（Recursive Self-Improvement，RSI）正是围绕这一目标展开：策略执行任务、获得反馈，再据此调整自身。但在真实环境中，外部评测往往昂贵，而且当策略不断变化后，原有世界模型也可能逐渐失准。

论文提出的 RSI-Anything，试图用预测式世界模型缓解这两个问题。该框架建立在 JEPA-Anything 之上，不局限于单一任务，而是把世界模型用于预测行动后果，并帮助系统选择更值得执行的动作和更有价值的学习数据。

核心机制

• 预测驱动的行动选择：系统先借助世界模型评估潜在行动，再把有限的真实交互和测试资源投入更有希望的方向。
• 反馈驱动的持续更新：观察到的任务反馈可以用于改进策略，也可以用于调整一个更复杂的工作流，而不只是更新模型参数。
• 条件式世界模型适应：当策略发生变化、预测可靠性下降时，框架会根据条件触发世界模型适应，而不是无条件地持续更新。
• 更新结果的筛选：组件检查和兼容性检查共同决定新的策略—模型组合是否值得保留，从而降低局部改进破坏整体系统的风险。

实验表现

论文在多个计算与科学任务中评估了这一思路。在代码修复任务中，保持编码器不变时，静态验证器带来的成功率为 26.3%；加入预测式选择后提升至 29.2%，再进行世界模型适应后达到 31.2%，测试使用量大致相当。GUI 评估显示，任务完成度提高，同时平均动作数减少 39.4%，说明预测不仅可能帮助系统完成任务，也可能减少不必要的操作。

在实验室规划中，连续五个策略版本的得分从 21.80% 提升到 46.01%。反应优化实验在相同的 40 次实验预算下，RSI-Anything 的平均最佳观测产率为 96.15%，高于贝叶斯优化的 82.16%。论文还展示了一个端到端免疫科学应用，将工作流演化和预测建模连接到治疗假设生成。

意义与边界

这些结果的价值不只在于单项指标提升，更在于展示了一种可迁移的系统结构：世界模型负责降低探索成本，真实反馈负责校正预测，版本筛选机制则负责把有效改进沉淀下来。对于代码代理、实验自动化和科学发现系统而言，这种闭环比一次性生成方案更接近长期运行的智能体形态。

不过，摘要并未提供各任务的完整数据集、训练细节和统计显著性信息，因此现阶段更适合将其视为框架层面的积极验证，而不是对所有领域普遍有效的最终结论。未来仍需进一步检验世界模型误差、策略版本兼容性以及长期迭代中的稳定性。

来源：Hugging Face Daily Papers