RSI(recursive self-improvement,递归自我改进)是 agent 领域的圣杯叙事,但落地一直卡在两个现实问题上:真实环境的反馈太贵,每一步都靠试错烧不起;用世界模型替代真实反馈,预测又会随着 policy 进化越来越不可靠。10 月 9 日提交到 arXiv 的 RSI-Anything(arXiv:2610.13912)给出了一个工程味很浓的解法:让世界模型跟着 policy 一起进化,并给每一轮升级加上兼容性门控。
一个循环跑五个领域
框架核心是一条六步循环:Propose → Predict → Select → Evaluate → Learn → Retain。策略或 workflow 先提出候选动作,JEPA 世界模型预测后果,系统挑出值得真执行的动作去拿外部反馈;反馈同时驱动策略改进和世界模型的条件化适配,最后由组件检查加兼容性检查决定这对 policy-model 组合是否保留到下一轮。
它的底座是同组织 9 月发布的跨域预测框架 JEPA-Anything(arXiv:2609.20800),这次相当于在其上盖了第二层楼:论文把同一套循环跑通代码修复、GUI 交互、实验室规划、反应优化、免疫科学五个领域,每个领域只换 domain adapter(状态、动作空间、反馈信号),循环本身不变。
数字怎么说
代码修复的对照设计最能说明机制价值:coder 固定不动,静态 verifier 选 patch 成功率 26.3%,换成世界模型预测选择升到 29.2%,再做世界模型适配后达 31.2%,测试用量相当,增量全部来自"预测选得准"。扩展到 APPS Introductory 1000 题和 LiveCodeBench v6 1055 题,最终全量测试成功率分别为 46.37% 与 33.05%,骨干为 ReasonFlux-Coder-7B。
GUI 侧,MiniWoB++ 的 click-checkboxes 任务上,三个保留版本的任务完成数是 51 → 79 → 99,平均动作数从 5.30 降到 3.21,重复点击从 237 次清零;OSWorld 桌面任务相对初始 agent 成功率提升 18.4%。实验室规划(LabHorizon F200)五个版本把分数从 21.80% 拉到 46.01%,翻倍有余。化学的 Suzuki 反应优化里,同样 40 次实验预算下平均最优产率 96.15%,对照贝叶斯优化为 82.16%,且所有 run 在第 10 次观察前就找到池内最优。
值得在意与需要冷静的地方
值得在意两点。其一,RSI 的瓶颈从来不是"会不会改",而是"改坏了怎么办"——这篇把 retention 做成显式机制,升级要过组件与兼容性两道检查才保留,相当于给自我改进加了回滚,这是工程上认真的信号。其二,Gen-Verse 三个月内连出 JEPA-Anything 与 RSI-Anything,预测式世界模型正从论文概念变成可复用的基础设施:仓库 402 star、Apache-2.0 许可、配套 HuggingFace 数据集和 rsi 命令行工作流,复现门槛不高。
需要冷静的也直说:上述数字全部来自论文与官方仓库自报,尚无独立复现;96.15% 是 Suzuki 反应筛选池内的对照结果,离"AI 会做化学"还远;免疫科学应用目前是工作流演示加前瞻假说提名(SIRPα 抑制联合 IL-36γ 轴调节),不是已验证的疗法发现。
对做 agent 工程的读者,这条循环值得亲手跑一遍(rsi plan 加 rsi run 两条命令就能起);对只看故事的人,记住一句就够:自我改进的下一步,不是更猛的 policy,而是一个知道自己什么时候不可靠的世界模型。
论文:https://arxiv.org/abs/2610.13912
代码:https://github.com/Gen-Verse/RSI-Anything