論文の概要: RSI-Anything: Unlocking Recursive Self-Improvement with World Models

• arxiv url: http://arxiv.org/abs/2610.13912v1
• Date: Fri, 09 Oct 2026 17:50:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.715596
• Title: RSI-Anything: Unlocking Recursive Self-Improvement with World Models
• Title（参考訳）: RSI-Anything: 再帰的自己改善を世界モデルで解き放つ
• Abstract要約: RSI-AnythingはJEPA-Anything上に構築されたドメイン・ジェネラル・フレームワークである。 予測ワールドモデルを使用して、アクションと学習データの選択をガイドする。 コード修復では、コーダーが固定され、静的検証器で成功率は26.3%から予測選択により29.2%に増加する。
• 参考スコア（独自算出の注目度）: 76.79361510862277
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recursive self-improvement (RSI) aims to transform interaction experience into persistent improvements, yet external feedback is costly and world-model predictions may become unreliable as policies evolve. We introduce RSI-Anything, a domain-general framework built on JEPA-Anything that uses predictive world models to guide action and learning-data selection. Observed feedback drives policy or workflow improvement and conditional world-model adaptation, while component and compatibility checks govern the retention of updated policy-model pairs. Across diverse computational and scientific domains, RSI-Anything demonstrates substantial gains. In code repair, with the coder fixed, success increases from 26.3% with a static verifier to 29.2% through predictive selection and 31.2% after world-model adaptation, at comparable test usage. Graphical user interface (GUI) evaluations showed higher task completion, while average actions decrease by 39.4%. Across five successive policy versions, laboratory-planning scores more than double from 21.80% to 46.01%. In reaction optimization, RSI-Anything achieves 96.15% mean best observed yield versus 82.16% for Bayesian optimization under the same 40-experiment budget. An end-to-end immune-science application further connects workflow evolution and predictive modeling with therapeutic hypothesis generation. These results demonstrate how predictive world models and retained system updates enable recursive improvement across diverse environments.
• Abstract（参考訳）: 再帰的自己改善(Recursive self-improvement、RSI)は、インタラクションエクスペリエンスを永続的な改善に変換することを目的としている。 我々は,JEPA-Anything上に構築されたドメイン汎用フレームワークであるRSI-Anythingを紹介した。 監視されたフィードバックはポリシーやワークフローの改善と条件付きワールドモデル適応を駆動し、コンポーネントと互換性チェックは更新されたポリシーモデルペアの保持を管理する。 RSI-Anythingは、様々な計算分野と科学分野にまたがって、かなりの利益を誇示している。 コード修復では、コーダーの修正により、静的検証器による成功率は26.3%から、予測選択により29.2%、ワールドモデル適応後の31.2%へと上昇する。 グラフィカルユーザインタフェース(GUI)の評価ではタスク完了率が向上し、平均的なアクションは39.4%減少した。 連続した5つの政策バージョンで、実験室計画のスコアは21.80%から46.01%に倍増した。 反応最適化において、RSI-Anythingは、同じ40の実験予算の下で、ベイズ最適化の82.16%に対して96.15%の平均観測収率を達成する。 エンド・ツー・エンド免疫科学の応用は、ワークフローの進化と予測モデリングと治療仮説の生成をさらに結びつける。 これらの結果は、予測的世界モデルと保持されたシステム更新が、様々な環境にまたがって再帰的な改善を可能にすることを示す。

関連論文リスト

• EmbodiRSI: Recursive Self-Improvement for Data-Efficient Robot Adaptation [54.5481724465918]
  EmbodiRSIは、リアルからシミュレート・トゥ・リアル・セッティングにおける反復的な政策改善のためのシステムである。 タスク固有のシミュレーションは、ターゲットのデプロイメントシナリオから構築され、低コストな環境として使用される。 400の適応的なシミュレートされた軌道と、サブタスクごとに10の現実世界の軌道しか持たないため、EmbodiRSIは83.1%のシーンバランスの自律的実世界の成功を達成している。
  論文  参考訳（メタデータ） (2026-09-30T03:54:53Z)
• Learning Globally Reusable Skills for Coding Agents [9.024591011310731]
  スキルの自動進化により、Large Language Model (LLM)エージェントは、高価なリトレーニングなしで継続的に改善できる。 スキルの互換性とスキルの一般化を協調的に最適化する,グローバル化されたスキル進化フレームワークであるGSEを提案する。 我々は、バグ報告テスト生成と偽陽性バグレポートフィルタリングの2つの代表的なソフトウェアエンジニアリングタスクについて、GSEを評価した。
  論文  参考訳（メタデータ） (2026-08-06T15:19:56Z)
• World Action Verifier: Self-Improving World Models via Forward-Inverse Asymmetry [82.93104394404781]
  汎用世界モデルは、スケーラブルなポリシー評価、最適化、計画を約束します。 本稿では,世界モデルによる予測誤りと自己改善を識別するフレームワークであるWorld Action Verifier(WAV)を提案する。
  論文  参考訳（メタデータ） (2026-04-02T12:48:36Z)
• In-the-Flow Agentic System Optimization for Effective Planning and Tool Use [73.72524040856052]
  AgentFlowはトレーニング可能なインザフローエージェントフレームワークで、進化するメモリを通じて4つのモジュール(プランナ、実行子、検証子、ジェネレータ)をコーディネートする。 Flow-GRPOは、マルチターン最適化をトラクタブルな単一ターンポリシー更新のシーケンスに変換することで、長い水平、スパース・リワードのクレジット割り当てに取り組む。 エージェントフローは7Bスケールのバックボーンで、平均的精度が14.9%、エージェントが14.0%、数学が14.5%、科学的タスクが4.1%でトップパフォーマンスのベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-10-07T05:32:44Z)
• Prediction of SLAM ATE Using an Ensemble Learning Regression Model and 1-D Global Pooling of Data Characterization [3.4399698738841553]
  原位置センサの入力特性に基づいてSLAMの局所化誤差を予測する新しい手法を提案する。 提案手法は, 原位置センサデータから生成した1次元グローバルプール特徴に基づくランダム森林回帰モデルを用いた。 また,12の異なる1次元大域プール関数が回帰品質に及ぼす影響について検討し,その1次元大域平均化の優位性について定量的に検証した。
  論文  参考訳（メタデータ） (2023-03-01T16:12:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。