Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
RSI-Anything은 JEPA-Anything 기반의 도메인 일반 프레임워크로, 예측적 월드 모델을 활용하여 행동 및 학습 데이터 선택을 안내합니다. 이를 통해 외부 피드백 의존도를 줄이고 정책과 조건부 월드 모델 적응을 주도하며 재귀적인 자기 개선(RSI)을 구현했습니다. 코드 복구, GUI 평가 등 다양한 도메인에서 기존 방식 대비 높은 성능 향상을 입증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기재귀적 자기 개선(Recursive self-improvement, RSI)은 상호작용 경험을 지속적인 개선으로 변환하는 것을 목표로 하지만, 외부 피드백은 비용이 많이 들고 정책이 진화함에 따라 월드 모델 예측의 신뢰도가 떨어질 수 있습니다. 우리는 JEPA-Anything 기반의 도메인 일반(domain-general) 프레임워크인 RSI-Anything을 소개합니다. 이는 예측적 월드 모델을 사용하여 행동 및 학습 데이터 선택을 안내합니다. 관찰된 피드백은 정책 또는 워크플로우 개선과 조건부 월드 모델 적응을 주도하며, 구성 요소 및 호환성 검사는 업데이트된 정책-모델 쌍의 보존을 관리합니다. RSI-Anything은 다양한 컴퓨팅 및 과학 도메인에 걸쳐 상당한 이점을 입증합니다. 코드 복구(code repair)의 경우, 코더가 고정되면서 성공률이 정적 검증기(static verifier)를 사용했을 때 26.3%에서 예측적 선택을 거치며 29.2%, 월드 모델 적응 후에는 31.2%로 증가했습니다 (비교 가능한 테스트 사용 시). 그래픽 사용자 인터페이스(GUI) 평가에서는 더 높은 작업 완료율이 나타났으며, 평균 행동 수는 39.4% 감소했습니다. 다섯 번의 연속적인 정책 버전에서 실험실 계획 점수(laboratory-planning scores)는 21.80%에서 46.01%로 두 배 이상 증가했습니다. 반응 최적화(reaction optimization)에서는 RSI-Anything이 동일한 40개 실험 예산 하에 베이지안 최적화(Bayesian optimization)의 82.16% 대비 평균 최고 관찰 수율 96.15%를 달성했습니다. 엔드투엔드 면역 과학 응용 분야는 워크플로우 진화와 예측 모델링을 치료 가설 생성과 더욱 연결합니다. 이러한 결과들은 예측적 월드 모델과 유지된 시스템 업데이트가 다양한 환경에 걸쳐 재귀적인 개선을 가능하게 함을 보여줍니다.