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

速读：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。

2026年10月12日 12:3

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。