RSI-Anything 用世界模型实现递归自我改进，反应产率超贝叶斯优化
ylecun · x · 2026-10-12
Ling Yang 团队发布 RSI-Anything（arXiv:2610.13912），一个构建在 JEPA-Anything 之上的领域通用递归自我改进（RSI）框架：用预测性世界模型指导动作选择与学习数据选取，观测反馈驱动策略/工作流改进及条件性世界模型更新，并通过组件与兼容性检查决定保留哪些更新后的「策略-模型」对。跨代码、GUI、实验室规划与化学反应优化四个域的验证结果：
- 代码修复：coder 固定不变，成功率从静态验证器的 26.3% 提升到预测选择的 29.2%，再经世界模型自适应达 31.2%（测试用量相当）
- GUI agent：任务完成率更高，平均动作数减少 39.4%
- 实验室规划：五个策略版本迭代中得分从 21.80% 翻倍至 46.01%
- 反应优化：同样 40 次实验预算下，平均最佳观测产率 96.15% vs 贝叶斯优化的 82.16%
论文还展示了端到端免疫科学应用。Yann LeCun 转发了这项工作。论文与代码均已公开。
所属事件:RSI-Anything用世界模型实现递归自我改进(4 条相关)→
「漫话AGI」频道最新
- 研究者感叹：如今普通一周的科研进展胜过过去十年 — Dr_Singularity · 2026-10-12
- 爆料称 Google、OpenAI、Anthropic 均接近实现递归自我改进 — FinanceYF5 · 2026-10-12
- AI 求职十字路口:顶尖 0.1% 拼经济,其余人值不值得梭哈 — vaibhavbetter · 2026-10-12
- Poke 先发至今,个人消息型 Agent 已成大厂竞逐赛道 — sujingshen · 2026-10-12
- IMF 报告:劳动力萎缩下 AI 成泰国与亚洲增长关键变量 — AIFlow_ML · 2026-10-12
- Yglesias 呼吁 OpenAI 员工集体行动,抵制反监管超级 PAC — AaronBergman18 · 2026-10-12