用世界模型预测后果、靠反馈递归自我改进的跨领域 Agent 框架
Star1.1k
24h 新增+6
7 天新增—
Fork119
Issue5
语言HTML
项目介绍
更新于 1 天前
RSI-Anything 是一个让 AI 系统「越用越聪明」的通用框架，核心思路是用世界模型预测行动后果，再用外部反馈修正预测，把经验留存下来指导下一轮决策，形成递归自我改进的循环。它建立在 JEPA-Anything 之上，流程是提出候选、预测结果、筛选、评估、学习、保留。论文把它跑通了五个差异极大的场景：代码修复（在 CodeContests、APPS、LiveCodeBench 上用预测执行结果给候选程序排序）、GUI 操作（MiniWoB++ 和 OSWorld，动作数比基线少约四成）、实验室实验规划、化学反应条件优化（十次观测内找到最优产率）以及免疫学科研工作流。对做 Agent、世界模型或科学智能体的研究者和工程师来说，它提供了一个可复用的「预测引导交互」范式；如果你只做业务后端或前端，关系不大。
上手成本：中
Star 趋势
话题标签
jepallm-agentsrecursive-self-improvementworld-models
仓库信息
| License | Apache-2.0 |
| 创建时间 | 2026-10-08 |
| 最后推送 | 23 天前 |
| 热度分 | 20.0 |