RSI-Anythingは32票を集めた論文で、再帰的な自己改善のアプローチを採用しています。世界モデルを練習相手にして、エージェントがシミュレーション環境で自ら課題を設定し、計画を修正して、もう一度実行します。外部からの採点に頼らず、内部の一貫性を基準として、1000回の反復を経て行動の安定性が大きく向上しました。

こうした技術は、$FET のようなエージェントプロトコルにとって、単なる話題づくりではなく、実際につなげられるものです。エージェントが自ら失敗から学び、教訓をまとめられれば、導入コストを抑えられます。これまで人間のフィードバックを使った微調整に頼っていた作業について、論文では監督を必要としない手法が示されました。このサブネットの仕組みも恩恵を受けます。検証ノードが毎日人手で採点する必要はなく、論文の自己評価メカニズムをそのままコスト関数として使えます。

今回は計算能力の積み増しを論じるのではなく、訓練方法の面から「エージェントをどう強化するか」という道を一歩前進させたものです。長期的に見れば、エージェントプロトコルの評価額も論文の進展に合わせて動くでしょう。オープンソースで再現される日が来れば、実用化はもはやプレゼン資料の中だけの話ではありません。

#递归自改进 #世界模型 #AI