RSI-Anything让AI边做边改进，不换编程模型也能多修Bug

BiRun 讯，AI 研究机构 PhAI Labs 发布 RSI-Anything，尝试让 AI Agent 从实际任务中不断积累经验，改进自己的做事方法。这套框架可以用于修复代码、操作电脑和科学研究。

它的做法是给 Agent 配一个「世界模型」，专门预测不同操作可能产生什么结果。Agent 先提出几种方案，世界模型判断哪种更可能成功，再挑选方案实际执行。系统随后对照预测和真实结果，改进 Agent 的操作策略。如果预测不准，也会更新世界模型。新版本通过测试后才能保留，用于下一轮任务。

以修 Bug 为例，写代码的模型一次生成四个修改方案。RSI-Anything 先预测哪种最可能通过测试，只选一个实际运行，再用测试结果改进后续判断。这样可以把有限的测试次数用在更有希望的方案上。

在 200 道 CodeContests 题目中，负责写代码的 ReasonFlux-Coder-7B 全程不变，测试次数也基本相同。采用传统静态验证器时，修复通过率为 26.3%。引入世界模型筛选后升至 29.2%，再通过实际反馈更新世界模型，达到 31.2%。

团队还把这套方法用于电脑操作和科学实验。在实验室规划测试中，一个 4B 模型连续更新五个版本，规划得分从 21.80% 升至 46.01%。

项目代码已经公开。目前不同任务仍使用各自的 Agent 和世界模型。论文也承认，执行策略与世界模型能否在同一任务中长期共同改进，还需要更多实验验证。

信源

动察 Beating 频道 · 动察 Beating 交流群。