PhAI Labs推出的RSI-Anything框架,延续了JEPA-Anything的跨领域预测学习技术,以世界模型为核心,构建了预测、行动、真实反馈、系统更新的可跨领域复用的递归自我改进流程。该框架通过策略与世界模型的异步更新,以及组件评估与兼容性检查,确保了系统迭代的稳定性。在代码修复、计算机图形界面交互、实验室规划、化学反应优化等任务中,RSI-Anything均实现了显著的性能提升。此外,该框架还被拓展应用于免疫科学研究,生成了待验证的候选联合干预假设。这一研究为AI从数字任务向复杂物理与科学世界的持续自我进化提供了新路径。
