RSI-Anything：借助世界模型实现递归式自我改进
RSI-Anything 是一个通用框架，利用预测式世界模型引导行动和学习数据选择。观测到的反馈可用于改进策略或工作流，并在需要时调整世界模型；兼容性检查决定是否保留更新后的组件组合。在评测中，代码修复成功率从使用静态验证器时的 26.3% 提升至经过预测式选择和模型调整后的 31.2%。图形界面任务的平均操作次数减少了 39.4%。经过五个策略版本，实验室规划得分从 21.80% 升至 46.01%。在反应优化中，使用相同的 40 次实验，平均最佳观测产率达到 96.15%，高于贝叶斯优化的 82.16%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。