不换模型不加预算，代码修复率从26.3%涨到31.2%

修Bug、操作计算机、规划实验室流程、优化化学反应，甚至研究免疫系统——这些看起来毫无关联的任务，最近被放进了同一个AI自我进化研究框架里。

更值得琢磨的是实验结果。在代码修复任务中，研究者没有更换负责写代码的模型，也没有增加在线测试预算，只是让世界模型参与预测和选择代码修改方案，并利用真实反馈进一步适配预测器。代码修复成功率从26.3%提升到了31.2%。

10月12日，PhAI Labs发布RSI-Anything技术报告，探索一条通过世界模型实现跨领域递归自我改进的路径。这项研究延续了此前JEPA-Anything的技术路线——后者探索如何通过通用预测学习原则，建模视觉、分子、物理、生命等不同世界的变化规律。RSI-Anything则进一步追问：当不同世界变得可预测，能否让这些世界成为AI自我进化的环境？

为什么需要世界模型

要让AI在不同环境中持续自我改进，首先需要解决一个问题：如何理解行动可能产生的后果？

在代码世界，运行测试就能获得相对明确的反馈。但在化学实验中，改变一个反应条件可能需要真实实验；在生物系统中，一次干预甚至可能引起复杂的多尺度变化。如果每一次学习都必须依赖真实试错，AI能够探索的空间就会受到明显限制。

世界模型提供了另一种可能：让AI先学习环境中的变化规律，再利用预测辅助行动选择。此前JEPA-Anything提出的OPF（正交预测分解）方法，通过将复杂状态拆解为互补的预测因子，学习不同系统中的变化规律，已在视觉、生物、临床、控制、分子动力学、物理场和天气七类领域中探索了统一预测学习机制。

但预测世界只是第一步。即使世界模型能预测行动后果，也不代表Agent一定知道如何选择、如何学习，更不代表它能持续改进。RSI-Anything正是尝试跨越这一步：将世界模型的预测能力，与Agent的行动选择、真实反馈和系统更新连接起来。

预测、行动、反馈如何形成递归循环

利用世界模型辅助决策并不是新概念。从Model-Based RL到Dreamer、MuZero，AI已经能够借助环境预测进行规划和学习。RSI-Anything进一步关注的是：如何让预测、行动、真实反馈，以及策略和世界模型自身的更新，构成一个可以跨领域复用的递归过程？

其核心流程可以概括为：State → Action → Prediction → Feedback → Improvement。Agent生成候选行动，世界模型预测不同选择可能产生的后果，帮助系统决定哪些方案更值得执行。真实执行后，反馈不仅用于解决当前任务，还可以继续支持策略学习、工作流修订或世界模型适配。

这里存在一个容易被忽略的问题。当Agent的策略更新后，它可能探索过去从未接触过的状态；原来准确的世界模型，未必还能可靠预测新的行动。反过来，世界模型更新后，也可能改变Agent对候选行动的判断。Agent改变探索世界的方式，世界模型则需要不断适应这些变化。

为此，RSI-Anything允许Policy与World Model异步更新，并引入组件评估和兼容性检查。不是每一次更新都被直接接受，只有通过相应检验的策略与世界模型组合，才会被保留，成为下一轮改进的起点。这样，系统不只是利用反馈修正当前答案，而是尝试将经验转化为能够持续影响后续行动与学习的能力。

四类任务中的验证结果

方法能否称得上Anything，关键在于它能否跨越不同的任务与反馈形式。研究团队分别在代码修复、图形界面交互、实验室规划和化学反应优化中进行了验证。

在CodeContests代码修复实验中，研究者固定ReasonFlux-Coder-7B，每轮生成四个候选Patch，再选择一个执行。不同方法使用相同的代码生成器与候选预算。静态Verifier的修复成功率为26.3%；引入固定世界模型后提升至29.2%；进一步通过执行反馈适配世界模型后，达到31.2%。与此同时，平均在线测试调用次数基本维持在每道任务3.7次左右。这说明，提升Agent的能力，并不一定只能依赖更强的生成模型或更多真实试错。

在计算机图形界面交互任务中，GUI Agent需要理解屏幕中的视觉信息，通过鼠标、键盘等操作与环境交互，每一步操作都可能改变界面状态。在OSWorld基准上，RSI-Anything实现了任务成功率相比原有方法相对提升约18.4%。

在LabHorizon实验室规划任务中，一个仅有4B参数的策略模型经过连续五代改进，规划分数依次为：21.80% → 38.03% → 41.99% → 44.56% → 46.01%。最终版本达到初始分数的约2.1倍，并略高于Actor–Simulator–Selector参考系统的45.32%。这里衡量的是实验协议规划质量，而非真实湿实验的执行成功率。

在化学反应优化中，RSI-Anything使用世界模型预测不同催化剂、配体、溶剂等条件组合可能产生的结果，再结合真实测量反馈选择下一轮实验。在两组Suzuki–Miyaura反应筛选任务中，20次实验后最佳观测产率达到93.0%，高于贝叶斯优化的87.5%；40次实验后，平均最佳观测产率达到96.15%，高于贝叶斯优化的82.16%。对于实验预算有限的科学研究，这意味着同样的实验次数，有机会获得更好的探索结果。

从解决问题到探索未知

如果代码和化学实验主要关注如何提高已有任务的表现，那么免疫科学则将RSI-Anything带到了更加开放的研究流程中。免疫系统涉及细胞、组织和个体等不同尺度，相同干预在不同免疫背景下也可能产生截然不同的结果。

此前PhAI Labs相关研究提出EvoIWM（Evolutionary Immune World Model），尝试构建能够预测多尺度免疫状态变化和干预后果的世界模型。在RSI-Anything展示的端到端应用中，研究团队利用Agent Genesis演化科学Agent工作流，构建免疫世界模型，再通过模型驱动的分析、证据检验和自我修正，筛选潜在干预方案。研究最终提出了涉及SIRPα抑制与IL-36γ轴调节的候选联合干预假设，仍有待后续实验验证。

这里，世界模型已经不只是预测一次行动的结果，它开始成为科学Agent分析复杂系统、比较干预方案和修正研究判断的工具。这也带来一个更具想象力的方向：当AI能够学习不同世界的变化规律，它是否不仅能改进解决问题的能力，还能进一步参与发现值得研究的新问题？

Anything统一的是什么

回看JEPA-Anything与RSI-Anything，两项研究沿着一条技术路线推进。JEPA-Anything尝试建立跨领域的预测学习机制，让AI学习不同世界如何变化。RSI-Anything则进一步将预测与真实行动、外部反馈和系统更新连接起来，探索跨领域复用的递归自我改进框架。

这里的Anything，并不意味着一个世界模型已经能够理解万物，或者一个Agent已经可以在任意环境中自主进化。真正试图统一的，是不同世界中从预测、交互到自我改进的底层机制。

当前研究分别验证了预测选择、模型适配、策略迭代与反馈驱动搜索等不同环节。让策略与世界模型在同一个复杂环境中长期、稳定地协同进化，仍是后续需要验证的目标。但这条路线所指向的空间，并不局限于某一个benchmark或科学领域。

未来的智能系统，将不断面对新的任务、新的环境和新的失败模式。能否从这些变化中持续获得学习信号，可能是进一步提升智能能力的重要问题。而世界模型提供了一种潜在的基础：让复杂环境变得可预测，让真实反馈能够用于校正判断，再让经过验证的改进影响后续的学习和行动。

从代码到图形界面，从数字环境到物理世界，再到复杂的科学探索。科学也不只是RSI的一个垂直应用。由于包含复杂环境、昂贵反馈与大量未知问题，它可能成为检验智能系统自我进化能力上限的重要训练场。