RSI-Anything: Unlocking Recursive Self-Improvement with World Models

📄 arXiv: 2610.13912v1 📥 PDF

作者: Taoyong Cui, Pinxian Zeng, Wanghan Xu, Hao Xiao, Shuhan Xue, Qiang Gao, Wanli Ouyang, Pheng Ann Heng, Zhenfei Yin, Yingcheng Wu, Ling Yang

分类: cs.CL

发布日期: 2026-10-09

备注: Code: https://github.com/Gen-Verse/RSI-Anything

💡 一句话要点

提出RSI-Anything以解决递归自我改进中的反馈成本问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 递归自我改进 世界模型 策略优化 代码修复 实验优化 智能系统 自适应学习

📋 核心要点

  1. 现有方法在递归自我改进中面临外部反馈成本高和世界模型预测不可靠的问题。
  2. RSI-Anything框架通过使用预测世界模型来指导行动选择和学习数据选择，提升了策略改进的效率。
  3. 实验结果显示，代码修复成功率从26.3%提升至31.2%，实验优化中表现优于贝叶斯优化，显示出显著的性能提升。

📝 摘要（中文）

递归自我改进（RSI）旨在将交互经验转化为持久改进，但外部反馈成本高昂，且随着策略演变，世界模型预测可能变得不可靠。本文提出RSI-Anything，这是一个基于JEPA-Anything的领域通用框架，利用预测世界模型指导行动和学习数据选择。观察到的反馈驱动策略或工作流的改进及条件世界模型的适应，同时组件和兼容性检查管理更新的策略-模型对的保留。在多个计算和科学领域，RSI-Anything显示出显著的提升。

🔬 方法详解

问题定义：本论文旨在解决递归自我改进中外部反馈成本高和世界模型预测不可靠的问题。现有方法在策略演变过程中，难以保持有效的反馈机制。

核心思路：RSI-Anything框架通过引入预测世界模型，优化行动选择和学习数据选择，从而实现更高效的策略改进。此设计旨在减少对外部反馈的依赖，增强模型的自适应能力。

技术框架：该框架包括多个模块：首先是世界模型的构建，其次是基于观察反馈的策略改进，最后是兼容性检查以保留有效的策略-模型对。整体流程通过反馈驱动模型的适应与更新。

关键创新：RSI-Anything的主要创新在于结合了预测世界模型与递归自我改进机制，使得系统能够在缺乏外部反馈的情况下，依然实现有效的自我优化。这与传统方法依赖静态反馈的方式有本质区别。

关键设计：在模型设计中，采用了动态适应的损失函数和多层次的网络结构，以确保在不同策略版本间的兼容性和有效性。具体参数设置和网络结构细节在实验中进行了优化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，RSI-Anything在代码修复中成功率从26.3%提升至31.2%，在实验优化中实现96.15%的最佳观察收益，相较于贝叶斯优化的82.16%有显著提升。此外，实验规划得分从21.80%提升至46.01%。

🎯 应用场景

RSI-Anything框架在多个领域具有广泛的应用潜力，包括代码修复、图形用户界面优化和科学实验规划等。其能够通过自我改进机制，提升系统的智能化水平，未来可能在自动化决策和智能系统开发中发挥重要作用。

📄 摘要（原文）

Recursive self-improvement (RSI) aims to transform interaction experience into persistent improvements, yet external feedback is costly and world-model predictions may become unreliable as policies evolve. We introduce RSI-Anything, a domain-general framework built on JEPA-Anything that uses predictive world models to guide action and learning-data selection. Observed feedback drives policy or workflow improvement and conditional world-model adaptation, while component and compatibility checks govern the retention of updated policy-model pairs. Across diverse computational and scientific domains, RSI-Anything demonstrates substantial gains. In code repair, with the coder fixed, success increases from 26.3% with a static verifier to 29.2% through predictive selection and 31.2% after world-model adaptation, at comparable test usage. Graphical user interface (GUI) evaluations showed higher task completion, while average actions decrease by 39.4%. Across five successive policy versions, laboratory-planning scores more than double from 21.80% to 46.01%. In reaction optimization, RSI-Anything achieves 96.15% mean best observed yield versus 82.16% for Bayesian optimization under the same 40-experiment budget. An end-to-end immune-science application further connects workflow evolution and predictive modeling with therapeutic hypothesis generation. These results demonstrate how predictive world models and retained system updates enable recursive improvement across diverse environments.