#PhAI Labs (1)

RSI-Anything：用世界模型驱动递归自我改进

RSI-Anything 把世界模型接进递归自我改进的闭环：预测决定哪些候选动作值得花掉稀缺的外部反馈，反馈再回头驱动策略学习或工作流改写，并在可靠性检查判定预测器已经漂移时触发有条件的世界模型自适应，最后由组件门与配对门决定哪一版策略-模型对被保留下来指导下一轮。底座是 JEPA-Anything 的正交预测分解。固定 coder 时，200 道 CodeContests 的隐藏测试通过率从静态验证器的 26.3% 升到固定世界模型的 29.2%、自适应后的 31.2%，在线测试用量几乎不变；GUI 评测里平均动作数降 39.4%；实验室规划的五个连续策略版本把 LabHorizon F200 从 21.80% 抬到 46.01%；同样的 40 次实验预算下，Suzuki 流动筛选的最佳观测产率 96.15%，贝叶斯优化 82.16%。