从预测万物到自我进化：PhAI Labs提出RSI-Anything，探索通用RSI新路径

机器之心发布 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。但要让 AI 真正从代码、数学等数字任务，走向需要连续交互的计算机环境乃至复杂的物理与科学世界，仅仅依赖明确的测试结果和奖励信号还不够。 不同环境中的状态变化和行动后果往往更加复杂，而真实世界的反馈还可能更加昂贵、稀疏，甚至难以直接获得。 如果 AI 能够为不同世界建立预测模型，在真正行动前预判可能的后果，再利用真实反馈不断改进自身呢？ 10 月 12 日，PhAI Labs 发布 RSI-Anything: Unlocking Recursive Self-Improvement with World Models 技术报告，探索一条通过世界模型实现跨领域递归自我改进的路径。 这项研究延续了此前 JEPA-Anything 的技术路线。 JEPA-Anything 探索如何通过通用预测学习原则，建模视觉、分子、物理、生命等不同世界的变化规律。 RSI-Anything 则进一步追问： 当不同世界变得可预测，能否让这些世界成为 AI 自我进化的环境？ 从 World Modeling Anything ，到 Recursive Self-Improvement through Anything 。 这一次，世界模型不再只是用于预测未来，而是进一步成为连接不同环境与智能自我进化的关键组件。 RSI-Anything 技术报告： https://arxiv.org/abs/2610.13912 RSI-Anything 项目代码：https://github.com/Gen-Verse/RSI-Anything JEPA-Anything 论文：https://arxiv.org/abs/2609.20800 JEPA-Anything GitHub：https://github.com/Gen-Verse/JEPA-Anything PhAI Labs 官网：https://phai-labs.com/ 01 从建模万物，到让万物推动 AI 进化 要让 AI 在不同环境中持续自我改进，首先需要解决一个问题：如何理解行动可能产生的后果？ 在代码世界，运行测试就能获得相对明确的反馈。但在化学实验中，改变一个反应条件可能需要真实实验；在生物系统中，一次干预甚至可能引起复杂的多尺度变化。 如果每一次学习都必须依赖真实试错，AI 能够探索的空间就会受到明显限制。 世界模型提供了另一种可能：让 AI 先学习环境中的变化规律，再利用预测辅助行动选择。 此前，PhAI Labs 提出的 JEPA-Anything，已经在视觉、生物、临床、控制、分子动力学、物理场和天气七类领域中探索了统一预测学习机制。 其核心方法 OPF（正交预测分解），通过将复杂状态拆解为互补的预测因子，学习不同系统中的变化规律。 相关研究甚至展示了从肿瘤干预分析到行星轨道规律提取的跨领域应用。 但预测世界，只是第一步。 即使世界模型能预测行动后果，也不代表 Agent 一定知道如何选择、如何学习，更不代表它能持续改进。 RSI-Anything 正是尝试跨越这一步：将世界模型的预测能力，与 Agent 的行动选择、真实反馈和系统更新连接起来。 不同世界不需要共享完全相同的数据或模型参数，却可以共享一套底层改进机制。 图 1｜从 JEPA-Anything 的跨领域预测学习，到 RSI-Anything 的递归改进框架 02 RSI-Anything：世界模型与 Agent 如何形成递归改进？ 利用世界模型辅助决策，并不是新概念。 从 Model-Based RL 到 Dreamer、MuZero，AI 已经能够借助环境预测进行规划和学习。 RSI-Anything 进一步关注的是： 如何让预测、行动、真实反馈，以及策略和世界模型自身的更新，构成一个可以跨领域复用的递归过程？ 其核心流程可以概括为： State → Action → Prediction → Feedback → Improvement 首先，Agent 生成候选行动，世界模型预测不同选择可能产生的后果，帮助系统决定哪些方案更值得执行。 真实执行后，反馈不仅用于解决当前任务，还可以继续支持策略学习、工作流修订或世界模型适配。 而这里存在一个容易被忽略的问题。 当 Agent 的策略更新后，它可能探索过去从未接触过的状态；原来准确的世界模型，未必还能可靠预测新的行动。 反过来，世界模型更新后，也可能改变 Agent 对候选行动的判断。 Agent 改变探索世界的方式，世界模型则需要不断适应这些变化。 为此，RSI-Anything 允许 Policy 与 World Model 异步更新，并引入组件评估和兼容性检查。 不是每一次更新都被直接接受。只有通过相应检验的策略与世界模型组合，才会被保留，成为下一轮改进的起点。 这样，系统不只是利用反馈修正当前答案，而是尝试将经验转化为能够持续影响后续行动与学习的能力。 图 2｜RSI-Anything 总体框架，突出预测选择、反馈更新、Policy–World Model 兼容性检查及递归循环 03 从 Coding Agent 到 GUI Agent，再到 Science：不同世界中的 RSI 实验 方法能否称得上 Anything，关键在于它能否跨越不同的任务与反馈形式。 研究团队分别在代码修复、图形界面交互、实验室规划和化学反应优化中，验证了 RSI-Anything 的不同机制。 （1）Code：不升级 Coder，也能修好更多 Bug 在 CodeContests 代码修复实验中