PhAI Labs 发布 RSI-Anything 技术报告，用世界模型实现跨领域递归自我改进
这篇技术报告尝试把 AI 的递归自我改进（RSI，模型自己迭代变强）从代码、数学扩展到 GUI、实验和化学等真实环境，靠世界模型降低试错成本。
PhAI Labs 提出 RSI-Anything：让 AI 先通过世界模型（学习环境变化规律、预测行动后果的模型）预判结果，再用真实反馈更新策略与预测器。在代码修复、GUI 操作、实验规划和化学反应优化四类任务上，该方法都带来提升，代码修复成功率从 26.3% 升至 31.2%。
正文摘录
.jpg) 修 Bug、操作计算机、规划实验室操作、优化化学反应，甚至研究复杂的免疫系统。 这些看起来八竿子打不着的任务，最近却出现在了同一个 AI 自我进化研究框架中。 更有意思的是其中的实验结果。 在代码修复任务中，研究者没有更换负责写代码的模型，也没有增加在线测试预算，只是让世界模型参与预测和选择代码修改方案，并利用真实反馈进一步适配预测器。 结果，代码修复成功率从 26.3% 提升到了 31.2% 。 而当 AI 从编写代码走向实际操作计算机，面对不断变化的屏幕界面，需要连续完成点击、输入和窗口操作时，这套方法同样展现出了效果。 在计算机图形界面交互任务中，RSI-Anything 在 OSWorld 基准上实现了 任务成功率相比原有方法相对提升约 18.4% 。 进一步来到实验室，一个仅有 4B 参数的策略模型，经过连续五代改进，规划分数从 21.80% 提升至 46.01% ，最终略微超过了采用更大模型组合的参考系统。 到了化学世界，同样进行 40 次实验，预测与反馈驱动的搜索将平均最佳观测产率推进至 96.15% ，而贝叶斯优化对照方法为 82.16%。 从修复程序中的 Bug，到操作真实的软件界面，再到规划实验流程、选择化学反应条件。 这些任务的状态形式、行动空间与反馈机制截然不同，却都可以被组织进同一套预测与反馈驱动的改进框架中。 这就引出了一个值得思考的问题： AI 的递归自我进化，为什么一定要局限在代码、数学或者某一种特定任务里？ Recursive Self-Improvement（RSI）正在成为 AI 研究的重要方向。