RSI-Anything
基于JEPA-Anything构建的递归自我改进通用框架，通过预测性世界模型指导动作选择与训练数据筛选，引入保留机制确保改进可持续，适配代码修复、GUI操作、科学规划等多种任务领域
时间轴 (近 90 天)
RSI-Anything 提出对比式“提议-探测-组合”循环，在提升代码修复和GUI性能的同时提供了PAC风格泛化保证。
RSI-Anything 使用预测性世界模型来指导选择什么动作以及挑选哪些数据用于学习
RSI-Anything 引入组件检查与兼容性检查的保留机制，用来决定更新后的策略-模型对是否值得保留
在代码修复任务中，使用静态验证器成功率为 26.3%，引入预测性选择后升至 29.2%，经世界模型自适应后达到 31.2%
在 GUI 任务评估中，RSI-Anything 把平均操作步数降低了 39.4%
RSI-Anything 是针对递归自我改进两个痛点（外部反馈昂贵、策略进化导致世界模型失准）提出的通用框架，构建在 JEPA-Anything 之上
在反应优化任务中，RSI-Anything 在 40 次实验预算下取得 96.15% 的平均最佳观测产率，优于贝叶斯优化的 82.16%
RSI-Anything 研究给出了一个端到端的免疫科学应用案例，串联工作流演化、预测建模与治疗性假设生成
RSI-Anything 的保留机制实现路径更贴近系统级的组件验证，而非参数级正则化约束（如 EWC 或 PNN）
代码修复实验中编码器（coder）保持固定，提升是在相近的测试资源消耗下取得的
还有 1 条时间轴事件
全部知识事实 (11)
RSI-Anything 提出对比式“提议-探测-组合”循环，在提升代码修复和GUI性能的同时提供了PAC风格泛化保证。
50%待验证RSI-Anything 使用预测性世界模型来指导选择什么动作以及挑选哪些数据用于学习
50%待验证RSI-Anything 引入组件检查与兼容性检查的保留机制，用来决定更新后的策略-模型对是否值得保留
50%待验证在代码修复任务中，使用静态验证器成功率为 26.3%，引入预测性选择后升至 29.2%，经世界模型自适应后达到 31.2%
50%待验证在 GUI 任务评估中，RSI-Anything 把平均操作步数降低了 39.4%
50%待验证RSI-Anything 是针对递归自我改进两个痛点（外部反馈昂贵、策略进化导致世界模型失准）提出的通用框架，构建在 JEPA-Anything 之上
50%待验证在反应优化任务中，RSI-Anything 在 40 次实验预算下取得 96.15% 的平均最佳观测产率，优于贝叶斯优化的 82.16%
50%待验证RSI-Anything 研究给出了一个端到端的免疫科学应用案例，串联工作流演化、预测建模与治疗性假设生成
50%待验证RSI-Anything 的保留机制实现路径更贴近系统级的组件验证，而非参数级正则化约束（如 EWC 或 PNN）
50%待验证代码修复实验中编码器（coder）保持固定，提升是在相近的测试资源消耗下取得的
50%待验证在连续五个策略版本的迭代中，实验室规划得分从 21.80% 提升到 46.01%
50%