RSI-Anything 在四类任务上量化递归自我改进效果

递归自我改进是当前人工智能领域讨论最多的想法之一。

RSI-Anything 在代码修复、GUI 智能体、实验室规划和化学领域对这一概念进行了衡量。

他们发现，实验室规划的得分在五个策略版本中翻了一倍多，从 21.80% 提升到 46.01%。

该框架包含一个预测性世界模型，由它决定哪些动作和哪些训练数据值得投入昂贵的真实反馈。随后，这些反馈会同时更新策略和世界模型。

只有当更新后的世界模型仍然与策略匹配时，策略更新才会被保留。这一检查可以防止世界模型随着策略的变化而过时。

在固定编码器的代码修复任务中，成功率从使用静态验证器的 26.3% 提升到世界模型自适应后的 31.2%。在反应优化任务中，其平均最佳产率达到 96.15%，而同样进行 40 次实验的贝叶斯优化仅为 82.16%。

arxiv.org/abs/2610.13912

Chat with Paper: academy.dair.ai/papers/rsi-a…