PhAI Labs 发布 RSI-Anything 技术报告，用世界模型探索跨领域递归自我改进

递归自我改进（RSI）正在成为 AI 研究的重要方向，但要让 AI 从代码、数学等数字任务走向需要连续交互的计算机环境乃至物理与科学世界，仅靠明确的测试结果和奖励信号并不够。不同环境中的状态变化与行动后果更复杂，真实反馈还可能更昂贵、更稀疏，甚至难以直接获得。

PhAI Labs 于 10 月 12 日发布技术报告《RSI-Anything: Unlocking Recursive Self-Improvement with World Models》，提出的正是这样一条路径：先为不同世界建立预测模型，在真正行动前预判后果，再利用真实反馈改进自身。这项研究延续了此前 JEPA-Anything 的技术路线，后者探索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。

需要先厘清的是，这里的“Anything”并不意味着一个世界模型已能理解万物，或一个 Agent 已可在任意环境中自主进化。按文章的说法，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。

利用世界模型辅助决策并非新概念，从 Model-Based RL 到 Dreamer、MuZero，AI 已能借助环境预测进行规划和学习。RSI-Anything 关注的是更进一步的问题：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，构成一个可跨领域复用的递归过程。

其核心流程可概括为 State → Action → Prediction → Feedback → Improvement。Agent 先生成候选行动，世界模型预测不同选择可能产生的后果，帮助系统判断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耦合问题：当 Agent 的策略更新后，它可能探索过去从未接触过的状态，原本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。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——只有通过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。

不过，兼容性检查的具体标准与通过率，报道并未说明。这意味着“哪些更新被接受、为什么被接受”这一关键机制，目前仍是一个黑箱。