Gen-Verse/RSI-Anything

解決する課題

RSI-Anything は、AI システムがさまざまなドメインにわたって時間とともに自身の性能を向上できるようにするという課題に対処します。これは、システムが自身の行動の結果を予測し、環境とインタラクションし、その結果得られるフィードバックを利用して将来の意思決定を洗練できるようにすることで、再帰的自己改善のための汎用フレームワークを提供します。

仕組み

このフレームワークは JEPA-Anything の予測基盤の上に構築され、継続的なサイクル Propose $\rightarrow$ Predict $\rightarrow$ Select $\rightarrow$ Evaluate $\rightarrow$ Learn $\rightarrow$ Retain に従います。

1. Propose：ポリシーまたはワークフローが潜在的な行動を提案します。
2. Predict：世界モデルがそれらの行動の結果を予測します。
3. Select：これらの予測に基づいて最良の行動を選択します。
4. Evaluate：選択された行動を実行し、外部からのフィードバックを収集します。
5. Learn & Retain：その経験をシステムの更新に利用し、それが次の改善ラウンドを導きます。

ドメインアダプターにより、状態、行動空間、フィードバック機構を定義することで、この共有ワークフローを特定のタスクに適用できます。

対象読者

このフレームワークは、自律エージェント、科学的発見、自動化ソフトウェアエンジニアリングに取り組み、インタラクションから学習する自己修正システムを実装したい研究者および開発者を対象としています。

ハイライト

• 汎用ドメイン：コード修復、GUI インタラクション、実験室計画、反応最適化、免疫科学に成功裏に適用されています。
• 予測による誘導：世界モデルを用いて実行前に候補を順位付けし、無駄な行動を減らします。
• 実証された成果：コード修復（例：APPS Introductory で 46.37%）および GUI タスク（MiniWoB++ のチェックボックスで 99% の成功率）で高い成功率を達成しています。
• 科学的応用：免疫科学における前瞻的仮説生成と化学反応収率の最適化が可能です。