递归自我改进（RSI）正在成为AI Agent领域越来越热门的研究方向。
近日，来自PhAI Labs、香港中文大学、澳门大学等研究者们开源了RSI-Anything框架。
该框架将世界模型的预测能力与真实环境的交互反馈相结合，让 AI 能够预测不同操作可能带来的结果，并根据实际反馈持续调整和优化自身策略。
在代码修复、GUI 操作、实验室规划和化学反应优化等不同领域的任务中，RSI-Anything 均取得了性能提升。研究团队还进一步将该框架应用于免疫科学研究，探索RSI在科学研究中的应用潜力。
这一成果建立在PhAI Labs此前提出的JEPA-Anything框架之上。JEPA-Anything探索如何利用统一的预测学习原理，建模视觉、分子、物理、生命等不同领域的状态及其变化规律。
图注：从 JEPA-Anything 的跨领域预测学习，到 RSI-Anything 的递归改进框架
01
为什么预测成了
自我改进的关键？
现有不少自我改进方法依赖外部反馈，但真实反馈往往成本高、次数有限。
RSI-Anything的思路是先让世界模型预测候选动作可能产生的结果，再决定哪些方案值得真正执行和获取反馈。
它沿用了JEPA-Anything的正交预测分解（OPF）技术，将复杂状态拆解为互补的预测因子，分别预测后再合成为完整的潜在状态。
借助这些预测，系统可以结合任务收益、有效性、约束以及必要时的不确定性，对候选方案进行筛选，把有限的真实反馈用在更值得验证的方案上。
但这里还有一个问题，策略和世界模型会相互影响。策略更新后，产生的候选动作和经验分布会发生变化，原来的世界模型可能不再可靠；世界模型更新后，又会反过来改变策略的候选选择。
为此，RSI-Anything加入了组件检查和兼容性检查。策略更新后检查任务表现和约束，世界模型更新后检查预测质量，最后再检查新的策略与世界模型组合起来是否兼容。只有通过这些检查的更新，才会被保留下来进入下一轮。
图注：RSI-Anything 总体框架
02
多领域评估
（1）代码修复
实验固定使用同一套7B代码生成模型和相同的候选预算，比较不同候选选择机制以及世界模型自适应带来的影响。
用静态验证器时，最终隐藏测试成功率为26.3%；引入固定世界模型做预测选择后升到29.2%；再让世界模型根据执行反馈自适应更新，进一步到31.2%。在线测试调用次数几乎一样（约3.7次/任务），说明提升来自更聪明的选择，而不是更多试错。在APPS和LiveCodeBench上同样优于随机选择和静态验证器。
（2）GUI Agent
在MiniWoB++的点击复选框任务上，成功率从基线51%一路提到最终99%，平均动作数下降39.4%，重复点击从237次降到0，错误提交大幅减少。
在更复杂的OSWorld上，RSI-Anything的任务成功率相比初始智能体相对提升18.4%。
（3）实验室规划
在LabHorizon的200个Level-2任务上，同一4B规划策略连续迭代5个版本，综合得分从21.80%稳步上升到46.01%，超过了Actor-Simulator-Selector参考系统。Level-1下一步动作准确率也达到0.700。
这说明策略版本的持续保留，真的能带来累积的规划能力提升。
（4）化学反应优化
在两个Suzuki-Miyaura偶联反应筛选中，同样实验次数下，RSI-Anything用世界模型预测产率来指导条件选择，最终最优产率高于贝叶斯优化。
一个20次实验后达到93.0%（对比87.5%），另一个40次实验后平均最优产率96.15%（对比82.16%）。这说明在有限的实验预算下，世界模型预测与真实反馈结合，可以帮助系统更有效地筛选反应条件。
（5）免疫科学端到端应用
团队用Agent Genesis演化科学 Agent 工作流，构建了免疫世界模型，再结合模型预测与实验证据进行自我纠正分析，最终提出了“SIRPα抑制 + IL-36γ轴调节”的潜在治疗假设。
这把工作流进化、世界模型构建和假设生成真正串成了一条完整科学链条。
不过论文也明确强调，这个治疗假设目前仍需要真实实验验证。
03
总结
RSI-Anything提供了一套可跨领域复用的“提出候选 → 预测后果 → 选择行动 → 执行评价 → 反馈学习 → 保留改进”机制。
代码、GUI、实验室规划、化学反应和免疫科学，这些看似完全不同的任务，都能先用世界模型预测，再通过真实反馈校正系统，并把经过验证的改进保留下来，继续影响下一轮行动与学习。
END
关注+星标，获取AI前沿进展与开源一线动态