2026-10-13

9730

近日，PhAI Labs推出了一项名为RSI-Anything的技术报告，这一研究探索了通过世界模型实现AI自我进化的新方向。这项研究涵盖了修复代码、操作计算机、实验规划、优化化学反应以及复杂免疫系统研究等看似无关的任务。研究者在代码修复环节中，并未替换编程模型或增加测试预算，而是让世界模型参与预测与选择解决方案，并利用真实反馈来优化预测能力。结果表明，代码修复的成功率从26.3%提升至31.2%。而在实际操作计算机过程中，面对不断变化的界面，该方法同样取得了显著成效，在OSWorld基准测试中，任务成功率提升了约18.4%。在实验室环境中，一个仅有4亿参数的策略模型，在经历了五代迭代后，其规划分数从21.80%上升至46.01%，甚至超越了更大模型的参考系统。

在化学实验中，通过进行40次试验，采用预测和反馈驱动的搜索方法，所实现的最佳观测产率达到了96.15%，而传统的贝叶斯优化方法则仅为82.16%。这一系列实验展现了不同任务之间的多样性，它们的状态形式、行动空间和反馈机制各不相同，却可以被整合到同一框架下进行改进。这引发了一个深刻的问题：AI的递归自我进化是否应局限于特定任务，如代码或数学？递归自我改进（RSI）正在成为AI研究的一个重要方向。若要使AI不仅局限于数字任务，还能适应需要持续交互的计算机环境以及更加复杂的科学领域，仅凭明确的测试结果和奖励信号显然不够。

面对复杂的环境和行动后果，AI需要建立不同环境的预测模型，以预判潜在后果，并在真实反馈的基础上不断自我改进。RSI-Anything技术报告于10月12日发布，延续了JEPA-Anything的技术路线，探讨了如何通过通用预测学习原则，建模视觉、分子、生命等领域的变化规律。RSI-Anything工作在于，试图将可预测的世界打造成AI自我进化的环境。通过将世界模型从预测未来转化为连接不同环境与智能自我进化的关键组件，推动AI的自主演进。

要实现AI在各个环境中持续自我改进，首先需理解行动可能引发的后果。在代码环境中，测试能提供相对直观的反馈，而在化学或生物领域，行动引起的反应则需要真实实验和观察。如果AI每次学习都依赖实践试错，其探索的范围将受到极大限制。世界模型为AI提供了一种新思路，通过学习环境中的变化规律，AI能够在预测的基础上合理选择行动。此前，PhAI Labs的JEPA-Anything已在多个领域实践这一机制，核心方法OPF通过将复杂状态拆解为互补的预测因子，学习不同系统的变化规律，展示了跨领域的应用潜力。然而，仅有预测能力并不足以确保AI的学习和选择正确的行动。RSI-Anything旨在将世界模型的预测能力与智能体的行动选择、真实反馈及系统更新连接起来，从而推进自我进化的进程。