RSI-Anything: Unlocking Recursive Self-Improvement with World Models

세계 모델(미래를 예측하는 AI)을 이용해 에이전트가 스스로 반복 개선되게 만든 프레임워크 논문이다.

이 논문은 한마디로 에이전트가 경험을 쌓을수록 스스로 더 똑똑해지는 '재귀적 자기개선'을 세계 모델(행동의 결과를 미리 예측하는 모델)로 구현한 것이다. JEPA-Anything라는 예측 기반을 위에 얹어, 예측이 맞는지 확인하고 정책(AI의 행동 방침)과 세계 모델을 각각 언제 업데이트할지 규칙으로 정했다. 코드 수리에서는 성공률이 26.3%에서 31.2%로 올랐고, 반응 최적화(화학 실험 설계)에서는 40번 실험 예산 안에 평균 최고 수율 96.15%로 베이지안 최적화(82.16%)를 이겼다. 연구실 실험 계획 과제에서는 다섯 번의 정책 버전을 거치며 점수가 21.80%에서 46.01%로 두 배 이상 늘었다.

핵심 요약

• 세계 모델의 예측이 실제 관찰과 얼마나 맞는지 계속 확인해서, 정책과 세계 모델 중 뭘 업데이트할지 자동으로 판단하게 했다.
• 코드 수리에서 세계 모델 기반 선택과 적응을 더하자 성공률이 26.3% → 29.2% → 31.2%로 단계적으로 올라갔다.
• 화학 반응 최적화에서 40번의 실험 예산으로 평균 최고 수율 96.15%를 달성해 베이지안 최적화(82.16%)를 크게 앞섰다.
• 연구실 실험 계획 점수가 다섯 버전 동안 21.80%에서 46.01%로 두 배 넘게 상승하며 개선이 누적됨을 보였다.
• 면역과학 응용에서 워크플로 진화와 예측 모델을 연결해 치료 가설 생성까지 end-to-end로 시연했다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.