재귀적 자기개선 프레임워크로 코드부터 신약까지 성능 지속 개선
원제 RSI-Anything: Unlocking Recursive Self-Improvement with World Models
추천 33댓글 2
Key Point
기존 외부 피드백 없이 정책이 스스로 개선되는 자기개선 프레임워크가 코드 수리부터 신약 발견까지 다양한 분야에서 실질적 성능 향상을 입증했기 때문이다.
핵심 요약
- RSI-Anything은 JEPA-Anything 기반의 도메인 범용 프레임워크로, 예측 세계 모델을 사용해 행동과 학습 데이터 선택을 안내한다.
- 정책 진화 중 세계 모델 예측의 신뢰성 저하 문제를 해결하기 위해 관찰된 피드백을 통해 정책이나 워크플로우 개선과 조건부 세계 모델 적응을 진행한다.
- 성분·호환성 검사를 통해 업데이트된 정책-모델 쌍의 유지 여부를 결정한다.
- 코드 수리 작업에서 고정된 코더로 성공률이 정적 검증기 26.3%에서 예측 선택 29.2%, 세계 모델 적응 후 31.2%로 증가했다.
- 그래픽 사용자 인터페이스(GUI) 평가에서는 작업 완료도가 높아졌고 평균 행동 수는 39.4% 감소했다.
- 5개 연속 정책 버전에서 실험실 계획 점수가 21.80%에서 46.01%로 2배 이상 증가했다.
- 반응 최적화에서 RSI-Anything은 40개 실험 예산 하에서 베이지안 최적화 82.16%보다 높은 96.15% 평균 최고 수율을 달성했다.
- 종료 간역학 응용에서 워크플로우 진화와 예측 모델링을 치료 가설 생성과 연결했다.