直播预告！从 JEPA-Anything 到 RSI-Anything：探索通用 RSI 新路径，世界模型驱动下的递归自我改进

让模型继续变强，眼下最缺的往往不是想法，而是反馈：代码修复要跑测试，化学反应要上实验台，免疫研究要做湿实验。每一次执行都是真实成本。

反馈一贵，问题就从“怎么改”变成“先试哪个”。同一个 coder 给出四个候选补丁，同一轮里只执行其中一个；同一批反应条件，实验台只给 40 次机会。选错一次，机会就少一次。

麻烦还在于，这类系统很难“一轮比一轮好”——而这种靠经验持续变强的能力，研究里叫递归自我改进（recursive self-improvement，RSI）。

策略一更新，它提出的候选变了，候选背后的经验分布也跟着变；世界模型是在旧分布上训练的，预测可靠性可能悄悄失效。

反过来，世界模型一改，候选排序、想象轨迹与训练信号又全变。把单个部件做得更好，并不保证两者装在一起更好。

RSI-Anything 要处理的正是这个问题。它由 PhAI Labs、香港中文大学等团队提出，建立在团队前作 JEPA-Anything 之上：预测决定哪个候选值得花掉一次反馈，反馈再决定策略与世界模型各自要不要更新。

一轮循环大致六步：策略提出候选 → 世界模型预测后果 → 排序并选择 → 执行拿回反馈 → 更新策略或工作流 → 决定保留哪一对。

选择这一步，排序分数是预测效用，启用不确定性估计时再减去一项惩罚；反馈只来自真正被执行的那几个候选。也正因为覆盖面有限，另一个判断要格外小心：世界模型现在还可靠吗？

答案是三态，reliable、unreliable、insufficient。关键在第三态——覆盖不够时，必须判“证据不足”，而不是“看起来还行”。选择偏差由此被写进协议本身，而不是留到事后解释。

更新之后还有一道门，管“留下什么”。组件门分别检查策略的任务效用与世界模型的预测质量；配对门再检查装配后的整体——在新策略提出的候选上，世界模型的预测还准不准。

组件不过只回退该组件，配对不过则整对回退。被保留的那一版策略-模型对，决定下一轮的候选池与经验分布。“递归”的分量就落在这里：不是多跑几轮，而是更新被保留下来，并真的改变了后续的交互与学习。

代码修复是最干净的一组对照：coder 固定为 ReasonFlux-Coder-7B，200 道 CodeContests 题、3 个随机种子，每轮提四个候选、最多三轮反馈。

隐藏测试全通过率从容量匹配静态验证器的 26.3%，到预测引导选择的 29.2%，再到世界模型自适应后的 31.2%；而每任务的在线测试调用稳定在 3.71–3.72 次。增益不是靠多花测试换来的：预测器本身也更准，候选排序准确率从 66.5% 升到 72.8%，五类 Brier 分数从 0.488 降到 0.358。

同一套机制在别的任务上也成立。GUI 上，MiniWoB++ 的 click-checkboxes 三档保留版本成功率 51% → 79% → 99%，每回合平均动作数从 5.30 降到 3.21，重复点击从 237 次归零。

实验室规划里，同一次自我改进过程产出的五个连续 4B 策略版本，在 LabHorizon F200 Level-2 上从 21.80% 升到 46.01%，终版 0.4601 超过由 35B Actor 加 Gemini 3.1 Pro 组成的参考系统（0.4532），也高于 GPT-5.5、Gemini 3.1 Pro 直接提示的结果。

反应优化把机制搬上实验台：两个 Suzuki–Miyaura 筛选各自与贝叶斯优化对照，同等预算下，40 次流动 LC–MS 屏的最佳观测产率 96.15%、贝叶斯优化 82.16%，另一组 GC 屏在 20 次实验时是 93.0% 对 87.5%。

这套机制的底座 JEPA-Anything 本身也值得一看：它用正交预测分解（OPF）把潜在预测目标拆成互补因子，每个因子走专属预测通路，再合成完整状态，同一套建模骨架覆盖视觉、生物、临床轨迹、控制、分子动力学、物理场与天气七个领域。

在 Interventional Pong 上，单干预预测误差降低 34.8%；四个分子体系的 100 步 rollout 误差在对比方法中最低；一个由因子提名的生物学干预，在细胞共培养、类器官、肿瘤碎片与小鼠上拿到了实验支持。

论文：RSI-Anything: Unlocking Recursive Self-Improvement with World Models
链接：https://arxiv.org/abs/2610.13912
代码：https://github.com/Gen-Verse/RSI-Anything
数据：https://huggingface.co/datasets/Gen-Verse/RSI-Anything

底座：JEPA-Anything: Learning Predictive Models across Different Worlds
链接：https://arxiv.org/abs/2609.20800
代码：https://github.com/Gen-Verse/JEPA-Anything

10月31日（周六）上午10点，青稞Talk 第163期，青稞社区邀请到 RSI-Anything 第一作者、香港中文大学计算机系 & MMLab 博士生崔涛镛，分享《RSI-Anything：探索通用 RSI 新路径，世界模型驱动下的递归自我改进》。

嘉宾介绍

崔涛镛，香港中文大学计算机系 & MMLab 在读博士生，曾在微软研究院和上海人工智能实验室开展研究。研究聚焦 AI for Science、物理世界建模与递归自我改进，以第一作者或共同第一作者在 Nature Machine Intelligence、Nature Communications 等 Nature 子刊发表论文多篇，曾获世界人工智能大会青年优秀论文奖等国内外奖项。近期作为第一作者与团队共同发布 JEPA-Anything 和 RSI-Anything，并参与 Gen-Verse 开源社区建设。

分享内容

RSI-Anything：探索通用 RSI 新路径，世界模型驱动下的递归自我改进

1、从任务执行到自主学习:模型如何持续进化?
2、RSI-Anything:构建世界模型驱动的递归自我改进框架
3、理解环境到预测未来:世界模型如何驱动能力提升?
4、代码生成、科学研究与具身智能，通用RSI的跨领域探索与实践
5、探讨通用RSI的未来挑战与发展趋势
6、AMA (Ask Me Anything)环节

直播时间

10月31日（周六）10:00 - 11:00