RSI-Anything: Mở khóa Tự Cải Thiện Đệ Quy với World Model

Recursive self-improvement (RSI) nhằm biến kinh nghiệm tương tác thành những cải tiến bền vững, nhưng phản hồi bên ngoài tốn kém và các dự báo của world model có thể trở nên không đáng tin cậy khi policy phát triển. Chúng tôi giới thiệu RSI-Anything, một khung domain-general được xây dựng trên JEPA-Anything, sử dụng các world model dự đoán để dẫn dắt hành động và lựa chọn dữ liệu học tập. Phản hồi quan sát sẽ thúc đẩy cải tiến policy hoặc workflow cũng như thích ứng world model có điều kiện, trong khi các kiểm tra thành phần và khả năng tương thích quyết định việc giữ lại cặp policy-model đã cập nhật. Trên nhiều lĩnh vực tính toán và khoa học khác nhau, RSI-Anything đạt được những bước tiến đáng kể. Trong sửa lỗi code, với coder cố định, tỷ lệ thành công tăng từ 26,3% với verifier tĩnh lên 29,2% nhờ lựa chọn dự đoán và 31,2% sau khi thích ứng world model, với mức sử dụng test tương đương. Đánh giá GUI cho thấy mức độ hoàn thành nhiệm vụ cao hơn, trong khi số hành động trung bình giảm 39,4%. Trong năm phiên bản policy liên tiếp, điểm số lập kế hoạch phòng thí nghiệm tăng hơn gấp đôi từ 21,80% lên 46,01%.