PhAI Labs 提出 RSI-Anything：跨领域通用递归自我改进框架
jiqizhixin · x · 2026-10-19
PhAI Labs 发布 RSI-Anything，一个构建于 JEPA-Anything（ArXiv 2609.20800）之上的通用递归自我改进（RSI）框架，试图突破现有 RSI 系统只能在单一领域（代码/机器人/化学）运作的限制。
核心机制：
- 用预测式世界模型预测行动结果，再用真实反馈修正预测器，把改进后的策略迁移到跨领域任务
- 通过组件与兼容性检查决定保留哪一对 policy-model，形成闭环迭代
实验结果：
- 代码修复成功率从 26.3% 提升到 31.2%
- OSWorld 计算机 GUI 交互任务成功率相对提升 18.4%
- 实验室场景中 4B 参数策略模型经 5 代自我改进，规划得分从 21.80% 升至 46.01%，略超由更大模型组合搭建的参考系统
「研究」频道最新
- 仅 1 克！无线微型显微镜实现自由活动小鼠全皮层单细胞成像 — KordingLab · 2026-10-23
- Mike Frank 抛出超导可逆计算难题:能否用无偏置约瑟夫森结凑齐 BARCS 通用原语集 — MikePFrank · 2026-10-23
- Arc Institute 用基因组语言模型绘制原核非编码序列图谱 — tedgreenwald · 2026-10-23
- 同行评审的 AI 化：审稿人终于「进入附录」了 — abursuc · 2026-10-23
- Anthropic 用 Claude 为 100+ 开源库写下汇编级安全形式化证明 — AnthropicAI · 2026-10-23
- 研究提出 9 种策略为多 LLM 协作选模型，最优可超随机 36.1% — shangbinfeng · 2026-10-23