PhAI Labs 推出 RSI-Anything，用世界模型提升 AI 修 Bug 成功率

AI 研究机构 PhAI Labs 发布了 RSI-Anything，尝试让 AI Agent 在执行真实任务的过程中持续积累经验，并改进自己的做事方法。该框架可用于修复代码、操作电脑和科学研究。

它的核心做法，是给 Agent 配置一个「世界模型」，用于预测不同操作可能带来的结果。Agent 会先提出几种方案，由世界模型判断哪一种更可能成功，再从中选出方案实际执行。系统随后对照预测结果与真实结果，继续调整 Agent 的操作策略；如果预测本身不准确，世界模型也会被更新。只有新版本通过测试后，才会被保留并进入下一轮任务。

修 Bug 测试中的表现

以修复代码缺陷为例，写代码的模型一次会生成 4 个修改方案。RSI-Anything 先预测哪一个方案最可能通过测试，只选择其中 1 个实际运行，再根据测试结果改进后续判断。这样一来，有限的测试次数可以优先用在更有可能成功的方案上。

在 200 道 CodeContests 题目中，负责写代码的 ReasonFlux-Coder-7B 全程保持不变，测试次数也基本相同。采用传统静态验证器时，修复通过率为 26.3%；引入世界模型筛选后，这一数字升至 29.2%；再结合实际反馈持续更新世界模型后，最终达到 31.2%。

也被用于电脑操作和科学实验

团队还将这套方法用于电脑操作和科学实验。在实验室规划测试中，一个 4B 模型连续更新了 5 个版本，规划得分从 21.80% 提升至 46.01%。

PhAI Labs 表示，项目代码已经公开。不过，当前不同任务仍然使用各自独立的 Agent 和世界模型。论文也提到，执行策略与世界模型能否在同一任务中长期共同改进，仍需更多实验验证。