从建模万物到万物驱动AI递归进化
修复代码漏洞、操作图形界面、规划实验室实验、优化化学反应参数，甚至解析复杂的免疫系统机制——这些看似毫无关联的任务，如今可以被纳入同一套AI递归自我进化框架中。
近期发布的一项研究展示了这套框架的亮眼效果：在不更换核心生成模型、不增加真实试错预算的前提下，多个跨领域任务的表现都得到了显著提升。
在代码修复任务中，研究团队固定了基础代码生成模型，仅通过引入世界模型辅助预测和选择最优修改方案，并利用真实运行反馈微调预测器，最终将代码修复成功率从26.3%提升至31.2%，且平均在线测试调用次数没有明显增加。
当任务从代码编写延伸到计算机图形界面交互时，这套名为RSI-Anything的框架在OSWorld基准测试中实现了任务成功率相对提升约18.4%，展现了在连续交互场景中的应用潜力。
在实验室规划任务中，一个仅4B参数的策略模型经过连续五代迭代，规划分数从21.80%提升至46.01%，最终表现略微超过了采用更大模型组合的参考系统。
而在化学反应优化场景中，经过40次实验循环，预测与反馈驱动的搜索将平均最佳观测产率推进至96.15%，远高于贝叶斯优化对照方法的82.16%；即使仅进行20次实验，最佳产率也达到了93.0%，优于贝叶斯优化的87.5%。
打破边界：让世界模型成为AI进化的桥梁
递归自我进化（RSI）是当前AI研究的重要方向，但传统方法大多局限于代码、数学等数字任务，难以迁移到需要连续交互的真实环境中。这是因为不同环境的状态变化复杂，真实反馈往往昂贵且稀疏，仅依赖明确的测试结果和奖励信号无法支撑持续的自我改进。
如果AI能够为不同环境建立预测模型，在实际行动前预判不同选择的后果，再结合真实反馈不断优化自身，就能突破传统方法的限制。基于这一思路，相关研究团队于10月12日发布了技术报告《RSI-Anything: Unlocking Recursive Self-Improvement with World Models》，探索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：JEPA-Anything通过通用预测学习原则，建模了视觉、分子、物理、生命等不同领域的变化规律；而RSI-Anything则进一步追问：当不同世界的变化可以被预测，能否让这些环境成为AI自我进化的训练场？
RSI-Anything的核心逻辑：闭环的递归改进
利用世界模型辅助决策并非全新概念，从基于模型的强化学习到Dreamer、MuZero等算法，AI已经能够借助环境预测进行规划和学习。但RSI-Anything的创新点在于，它将预测、行动、真实反馈，以及策略模型和世界模型自身的更新，整合成了一套可以跨领域复用的递归流程。
这套流程可以概括为：State → Action → Prediction → Feedback → Improvement。具体来说，智能体首先生成候选行动，世界模型预测不同选择可能产生的后果，帮助系统筛选出最值得执行的方案；在真实执行后，获得的反馈不仅用于解决当前任务，还可以用于策略学习、工作流修订以及世界模型的适配优化。
这里存在一个容易被忽略的问题：当智能体的策略更新后，可能会探索此前从未接触过的状态，原本准确的世界模型可能无法可靠预测新的行动；反过来，世界模型的更新也可能改变智能体对候选行动的判断。因此，RSI-Anything允许策略模型与世界模型异步更新，并引入了组件评估和兼容性检查机制——只有通过相应检验的模型组合，才会被保留作为下一轮改进的基础。
这种设计让系统不再只是利用反馈修正单次任务的答案，而是将经验转化为能够持续影响后续行动与学习的能力，真正实现跨领域的递归自我进化。
跨领域验证：从代码到科学研究的全场景测试
衡量这套方法是否真正称得上“Anything”的关键，在于它能否跨越不同的任务类型、行动空间和反馈机制。研究团队分别在四类典型场景中验证了RSI-Anything的效果：
1. 代码修复：不升级模型也能提升修复率
在CodeContests代码修复实验中，研究团队固定了ReasonFlux-Coder-7B作为基础代码生成器，每轮生成四个候选补丁后再选择最优方案执行。不同方法使用了相同的代码生成器和候选预算，唯一的区别在于是否引入世界模型辅助选择。实验结果显示，静态验证器的修复成功率为26.3%，引入固定世界模型后提升至29.2%，而通过执行反馈适配世界模型后，最终修复成功率达到31.2%，且平均在线测试调用次数基本维持在每道任务3.7次左右。这一结果证明，提升智能体的能力不一定需要更强的生成模型或更多的真实试错，让世界模型更准确地判断哪些行动值得执行，同样可以显著改善系统表现。
2. GUI交互：从代码生成到真实计算机操作
与代码修复的静态任务不同，图形用户界面（GUI）智能体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，对智能体的环境理解和连续决策能力提出了更高要求。在OSWorld这一具有代表性的计算机操作基准测试中，RSI-Anything实现了任务成功率相对提升约18.4%，展现了在复杂交互场景中的应用潜力，证明这套框架不仅可以用于代码生成，还能拓展到需要持续观察和环境交互的智能体任务中。
3. 实验室规划：小模型的迭代进化潜力
在LabHorizon实验室规划任务中，研究团队考察了一个4B参数的策略模型连续五个版本的表现。其规划分数依次为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，且略微超过了Actor–Simulator–Selector参考系统的45.32%。需要注意的是，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，但这一结果依然展示了系统持续保留策略更新、逐步改善复杂实验规划的潜力。
4. 化学反应优化：高效的实验搜索
在化学反应优化任务中，RSI-Anything通过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的参数。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%，远高于贝叶斯优化的82.16%。对于实验预算有限的科学研究来说，这意味着同样的实验次数可以获得更好的探索结果，大幅提升科研效率。
从问题解决到未知探索：免疫科学的新可能
如果说代码修复、GUI交互和实验室规划主要关注如何提升已有任务的表现，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，相同的干预在不同免疫背景下可能产生截然不同的结果，这对智能体的建模和决策能力提出了更高的挑战。
此前，研究团队已经提出了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的端到端应用中，研究团队利用Agent Genesis演化科学智能体的工作流，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，筛选潜在的干预方案。最终，研究提出了涉及SIRPα抑制与IL-36γ轴调节的候选联合干预假设，这一假设仍有待后续实验验证，但这一过程证明，世界模型已经不再只是预测单次行动的结果，而是成为科学智能体分析复杂系统、比较干预方案和修正研究判断的重要工具。
这也带来了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？
让整个世界成为智能进化的训练场
回看两项相关研究，它们实际上沿着一条清晰的技术路线推进：JEPA-Anything尝试建立跨领域的预测学习机制，让AI能够理解不同世界的变化规律；而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，或者一个智能体可以在任意环境中自主进化，而是试图统一不同世界中从预测、交互到自我改进的底层机制。当前的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，但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，仍是后续需要解决的目标。
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关键。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，科学研究不仅是RSI-Anything的一个垂直应用场景，更可能成为检验智能系统自我进化能力上限的重要训练场。从World Modeling Anything到Recursive Self-Improvement through Anything，这项研究正在推动AI从“建模万物”走向“让万物推动智能进化”。
