Gen-Verse/RSI-Anything

해결하는 문제

RSI-Anything은 AI 시스템이 다양한 도메인 전반에서 시간이 지남에 따라 자체 성능을 향상할 수 있도록 하는 과제를 다룹니다. 이는 시스템이 자신의 행동 결과를 예측하고, 환경과 상호작용하며, 그로부터 얻은 피드백을 사용해 미래 결정을 개선할 수 있게 함으로써 재귀적 자기 개선을 위한 범용 프레임워크를 제공합니다.

작동 방식

이 프레임워크는 JEPA-Anything 예측 기반 위에 구축되며, 지속적인 주기 Propose $\rightarrow$ Predict $\rightarrow$ Select $\rightarrow$ Evaluate $\rightarrow$ Learn $\rightarrow$ Retain를 따릅니다.

1. Propose: 정책 또는 워크플로가 잠재적 행동을 제안합니다.
2. Predict: 월드 모델이 그러한 행동의 결과를 예측합니다.
3. Select: 이러한 예측을 바탕으로 최선의 행동을 선택합니다.
4. Evaluate: 선택된 행동을 실행하고 외부 피드백을 수집합니다.
5. Learn & Retain: 그 경험을 사용해 시스템을 업데이트하고, 이것이 다음 개선 라운드를 이끕니다.

도메인 어댑터를 통해 상태, 행동 공간, 피드백 메커니즘을 정의함으로써 이 공유 워크플로를 특정 작업에 적용할 수 있습니다.

대상 독자

이 프레임워크는 자율 에이전트, 과학적 발견, 자동화 소프트웨어 엔지니어링을 다루며 상호작용으로부터 학습하는 자기 수정 시스템을 구현하려는 연구자와 개발자를 위한 것입니다.

하이라이트

• 범용 도메인: 코드 수리, GUI 상호작용, 실험실 계획, 반응 최적화, 면역 과학에 성공적으로 적용되었습니다.
• 예측 기반 유도: 월드 모델을 사용해 실행 전에 후보를 순위화하여 낭비되는 행동을 줄입니다.
• 입증된 결과: 코드 수리(예: APPS Introductory에서 46.37%) 및 GUI 작업(MiniWoB++ 체크박스에서 99% 성공)에서 높은 성공률을 달성합니다.
• 과학적 응용: 면역 과학에서 전향적 가설 생성과 화학 반응 수율 최적화가 가능합니다.