为什么递归自我改进(RSI)是AI智能体的下一步进化?从RSI-Anything说起
为什么递归自我改进(RSI)是AI智能体的下一步进化?从RSI-Anything说起
递归自我改进(Recursive Self-Improvement, RSI)是AI智能体领域最受关注的进化方向之一。开源项目 RSI-Anything 正是一次完整的实践:它基于 JEPA-Anything 构建了一套"域通用"的世界模型推理资源,让智能体在代码修复、GUI 交互、实验室规划、反应优化、免疫科学五大领域走通同一个闭环——策略提出候选动作、世界模型预测后果、外部反馈修正决策,且改进能跨递归迭代持续保留。本文将用通俗的语言解释 RSI 是什么、为什么关键,以及 RSI-Anything 如何在真实任务中落地。
什么是递归自我改进(RSI)?
传统 AI 智能体通常是"一步一事":给定任务,输出动作,结束。而具备递归自我改进能力的智能体,则把"改进"变成了可重复的过程:
- 执行动作,拿到真实反馈(测试结果、界面变化、实验数据);
- 用反馈驱动下一轮决策,让模型或流程变得更强;
- 把改进保留下来,进入下一轮递归——每一轮的起点都比上一轮更好。
这正是 RSI 的核心:不是"一次做得更好",而是改进过程本身可以被递归。RSI-Anything 的项目定位就是:将世界模型预测、动作选择与外部反馈连接起来,把同一套改进流程带入观察方式、动作空间、评估标准各不相同的领域(见 README.md)。
RSI-Anything 的核心机制:预测 → 选择 → 反馈 → 改进
RSI-Anything 中每个领域都遵循同一个闭环,可以拆成四个角色:
| 角色 | 职责 | 通俗理解 |
|---|---|---|
| 策略(Policy) | 提出候选动作 | 头脑风暴,给出 4 个备选方案 |
| 世界模型(World Model) | 预测每个候选的后果 | 在"大脑里"先跑一遍,评估好坏 |
| 执行与反馈 | 执行选中动作,返回真实结果 | 用事实校验预测 |
| 递归迭代 | 用新反馈驱动下一轮 | 每轮都比上一轮更聪明 |
以代码修复为例,其推理入口 code_repair/infer.py 的流程非常直观:
- 若尚无代码,策略模型先生成初始程序;
- 执行公开测试,得到真实反馈(如
WA答案错误、TLE超时); - 每轮修复中,策略基于反馈生成 4 个候选修订;
- 世界模型对每个候选预测其"通过率",选出最优者执行;
- 若测试仍未通过,则带着新反馈进入下一轮(默认最多 3 轮)。
世界模型在这里扮演的是"预演器":不盲目试错,而是先预测、再选择。其预测代码见 code_repair/codecontests/src/ranking.py。
五大落地领域:从写代码到做实验
RSI-Anything 覆盖了计算与科学两类任务,每个领域都有独立的推理资源和最终检查点:
1. 代码修复(Code Repair)
智能体接收编程目标、现有实现和执行反馈,产出满足规格、修掉测试暴露错误的程序。世界模型预测每个候选程序在完整测试套件上的表现,辅助选择下一个要执行的版本。支持 CodeContests、APPS Introductory、LiveCodeBench 三个基准,见 code_repair/README.md。
2. GUI 交互(GUI Interaction)
智能体读取自然语言指令和当前界面状态,在"点击、选择、提交表单"等动作中做序列决策。世界模型预测每个动作的后果与任务完成概率,浏览器反馈则给出下一个界面状态。其策略与世界模型检查点位于 gui_interaction/checkpoints/final/。
3. 实验室规划(Laboratory Planning)
给定实验目标、可用材料与约束,智能体把允许的操作连成合理流程。JEPA 世界模型读取任务与 4 个候选方案,预测方案质量、相对提升和改进风险,再结合结构合法性检查做出选择。世界模型实现见 laboratory_planning/src/world.py,该领域还附带了 3,000 条训练 + 200 条测试样本的 LabHorizon Level 1 3D 资产感知数据集。
4. 反应优化(Reaction Optimization)
世界模型接收化学反应规格(反应物、试剂、催化剂、目标产物),编码为 768 维的潜在反应状态,预测预期产率——让研究人员在真实实验前比较候选条件。产率预测器实现见 reaction_optimization/src/yield_predictor.py。
5. 免疫科学(Immune Science)
将免疫状态预测与干预分析结合:动作条件世界模型预测细胞因子变化、基因扰动或候选疗法如何改变免疫状态,分析智能体再结合实验证据比较干预、修订解释、为科学假设排序。该领域正在开发中,见 immune_science/README.md。
为什么 RSI 是 AI 智能体的"下一步进化"?
三个关键理由:
🔁 改进可递归。 普通智能体的能力止步于单次训练;RSI 让"执行→反馈→改进"成为可无限套娃的循环,智能体的起点随每轮迭代不断提高。
🧠 世界模型让智能体"先想后做"。 预测式智能体(predictive agent)在执行前先在潜在空间中"预演"动作后果。JEPA-Anything 的 OPF 机制将多组正交预测坐标合成完整潜在状态(合成逻辑见 reaction_optimization/src/jepa_core/opf.py),这正是 RSI-Anything 各世界模型的共同基础。
🌍 一套流程,跨域通用。 不同领域的观察、动作和评估标准差异巨大,但 RSI-Anything 用同一套"预测→选择→反馈→改进"流程贯穿所有领域——这就是项目名中"Anything"的含义。
快速上手:推理入口与资源地图
各领域的推理示例均从集合根目录运行,入口脚本与检查点一览:
| 领域 | 推理入口 | 检查点 | 运行设备 |
|---|---|---|---|
| 代码修复 | code_repair/infer.py | code_repair/checkpoints/ | CUDA |
| GUI 交互 | gui_interaction/infer.py | gui_interaction/checkpoints/final/ | CUDA |
| 实验室规划 | laboratory_planning/infer.py | laboratory_planning/checkpoints/ | CPU |
| 反应优化 | reaction_optimization/infer.py | reaction_optimization/checkpoints/reactiont5_jepa_yield/ | CPU / CUDA |
若需要本地运行,建议从仓库获取项目,然后阅读各领域指南:
git clone https://gitcode.com/hf_mirrors/Gen-Verse/RSI-Anything
cd RSI-Anything
以代码修复为例,一条命令即可完成推理(--protocol 指定任务协议):
CUDA_VISIBLE_DEVICES=0 python code_repair/infer.py \
--protocol codecontests \
--input "$INPUT_DIR/codecontests.jsonl" \
--output "$OUTPUT_DIR/codecontests_predictions.jsonl" \
--seed 0
更多资源映射见 MODEL_INDEX.json 与 MANIFEST.json,底模(ReasonFlux-Coder-7B、Qwen2.5-Coder-3B-Instruct)的下载指引见 _base_models/README.md。项目代码遵循 Apache-2.0 协议,第三方组件条款见 THIRD_PARTY_NOTICES.md。
结语:世界模型正在让"自我改进"落地
递归自我改进曾被认为遥不可及,而 RSI-Anything 展示了清晰的落地路径:用世界模型做决策前的预测,用外部反馈校准预测,让改进在递归中复利累积。从代码修复到化学反应,同一套流程跑通五大领域,正是"域通用世界模型"这一思路的有力验证。RSI-Anything 仍在积极开发中,未来会有更多新方法、实验与检查点陆续放出——递归自我改进的下一站,或许就在其中。