Gen-Verse/RSI-Anything

它解决了什么

RSI-Anything 应对了让 AI 系统能够随着时间在不同领域中提升自身表现的挑战。它提供了一个递归自我改进的通用框架，使系统能够预测其行动的结果、与环境交互，并利用产生的反馈来改进未来的决策。

它如何运作

该框架建立在 JEPA-Anything 预测基础之上，遵循一个持续循环：Propose $\rightarrow$ Predict $\rightarrow$ Select $\rightarrow$ Evaluate $\rightarrow$ Learn $\rightarrow$ Retain。

1. Propose：策略或工作流提出潜在行动。
2. Predict：世界模型预测这些行动的后果。
3. Select：根据这些预测选择最佳行动。
4. Evaluate：执行所选行动，并收集外部反馈。
5. Learn & Retain：利用该经验更新系统，进而指导下一轮改进。

领域适配器可通过定义该领域的状态、行动空间和反馈机制，使这套共享工作流应用于特定任务。

它适合谁

该框架面向研究人员和开发者，适用于自主智能体、科学发现和自动化软件工程，并希望实现能够从交互中学习的自我修正系统的人。

亮点

• 通用领域：已成功应用于代码修复、GUI 交互、实验室规划、反应优化和免疫科学。
• 预测式引导：使用世界模型在执行前对候选方案排序，减少无效行动。
• 实证结果：在代码修复（例如 APPS Introductory 上达到 46.37%）和 GUI 任务（MiniWoB++ 复选框上成功率达 99%）中取得高成功率。
• 科学应用：能够在免疫科学中进行前瞻性假设生成，并优化化学反应产率。