FrontisAI/OpenRSI

解决的问题

OpenRSI 致力于将「AI 改进 AI」（递归自我改进）转化为可执行的工程问题。其重点在于构建系统，使 AI 能够通过研究、执行和学习的迭代过程，自主提升自身能力，特别将改进速度本身作为优化目标。

如何工作

该项目通过 OpenMLE 堆栈实现这一目标，将机器学习工程（MLE）作为首个可执行领域。系统通过搜索、经验与训练的循环运作：

• OpenMLE-Gym：提供可验证的任务环境和评估工具，用于创建任务包。
• OpenMLE-RL：使用基于执行的监督微调（SFT）和在线强化学习（RL）来训练特定的程序演化算子。
• Frontis-MA1：一个经过后训练的 AI4AI 模型，作为元演化代理，应用学习到的算子来改进代码。
• OpenMLE-Evo：一个搜索运行时，将这些算子组合成长周期搜索流水线。

系统使用四种原子算子：Draft（创建程序）、Improve（基于反馈优化）、Debug（修复失败）、Crossover（重组程序）。

适用人群

专为对 AI4AI、递归自我改进和自动化机器学习工程感兴趣的 AI 研究人员和工程师设计。

主要亮点

• Frontis-MA1：专为 MLE 中的元演化设计的 AI4AI 模型（提供 30B 和 35B 两个版本）。
• 基于执行的学习：将后训练与推理统一在程序演化算子的共享动作空间中。
• 可验证的结果：通过训练模型与搜索框架的结合，在 MLE-Bench Lite 和 NatureBench Lite 上实现了显著提升。
• OpenMLE Sandbox：一个自托管的分布式代码执行与自动评估后端。