7.6
深览指数
科技微博·机器之心Pro··AI 生成
从预测万物到自我进化：PhAI Labs提出RSI-Anything，探索通用RSI新路
PhAI Labs 提出 RSI-Anything 框架，尝试将 AI 的递归自我改进（RSI）从代码、数学等数字任务推广到图形界面交互、实验室规划、化学反应优化乃至免疫科学研究等物理与科学世界。核心思想是利用世界模型预测行动后果，并让策略模型与世界模型在真实反馈驱动下异步更新，形成一个跨领域可复用的改进循环。在代码修复（成功率 26.3%→31.2%）、GUI 操作（相对提升 18.4%）和化学实验优化（40 次实验产率 96.15% vs 贝叶斯 82.16%）等四个截然不同的任务上验证了效果。文章适合对 AI 通用性、自主智能体与自我进化机制感兴趣的深度读者，提供了具体技术路线与定量实验结果。原文 ↗
核心观点
- ▍RSI-Anything 的核心主张是：递归自我改进的机制不应局限于代码或数学证明，而应通过统一的世界模型预测与反馈学习，扩展到图形界面交互、实验室规划、化学优化乃至科学探索等任何状态-行动空间明确的环境。
- ▍世界模型在此框架中的作用超越了传统 '预测未来'，它成为连接不同环境与智能自我进化的关键组件：预测帮助决策，真实反馈校正预测，形成闭环改进。
- 01在 CodeContests 代码修复任务中，不升级代码生成模型（固定 7B），仅通过世界模型预测筛选候选补丁并适配真实反馈，修复成功率从 26.3% 提升至 31.2%，平均在线测试次数基本不变（约 3.7 次）。
- 02在 OSWorld 计算机图形界面交互基准上，RSI-Anything 的任务成功率相对原有方法提升约 18.4%，证明了该方法在需要连续视觉观察与操作的环境中的适用性。
- 03在 LabHorizon 实验室规划任务中，一个仅 4B 参数的策略模型经过连续五代 RSI 迭代，规划分数从 21.80% 提升至 46.01%，最终超过使用更大模型的 Actor–Simulator–Selector 参考系统（45.32%）。
- 04在 Suzuki–Miyaura 反应筛选中，RSI-Anything 使用世界模型预测和反馈驱动搜索，40 次实验后平均最佳观测产率达到 96.15%，显著高于贝叶斯优化方法的 82.16%。
- 05在免疫科学研究案例中，该框架通过演化科学 Agent 工作流、构建免疫世界模型（EvoIWM），辅助分析系统并筛选出涉及 SIRPα 抑制与 IL-36γ 轴调节的候选联合干预假设。
- 06RSI-Anything 允许 Policy 与世界模型异步更新，并引入组件评估和兼容性检查，确保只有通过检验的组合才被保留为下一轮改进的起点，避免策略-模型之间的相互误导。
反方 / 局限
- — 当前实验是分别验证了预测选择、模型适配、策略迭代等不同环节，尚未在同一个复杂环境中让策略与世界模型长期、稳定地协同进化。文章承认这是后续需要验证的目标。
- — 'Anything' 并不意味着一个世界模型已经能理解万物，或一个 Agent 可在任意环境中自主进化。真正试图统一的是底层改进机制，而非模型本身对万物的理解能力。
PhAI LabsRSI-AnythingJEPA-Anything递归自我改进 (RSI)世界模型 (World Model)正交预测分解 (OPF)CodeContestsOSWorldLabHorizonReasonFlux-Coder-7BEvoIWMAgent GenesisSuzuki–Miyaura 反应
12 分钟 · 4 卡片 · 8 资料
读原文 →