推文

@vintcessun · 2026-10-14 13:47

别只让 Agent 反复试错，给它一套“先预判、再验证、保留改进”的流程。 RSI-Anything 用 JEPA 世界模型预测候选动作的结果，再通过外部评估反馈推动下一轮学习。代码修复每轮提出 4 个版本，最多接受 3 轮反馈；GUI 实验也沿用这套闭环。 https://github.com/Gen-Verse/RSI-Anything 值得关注的是：自我改进不只是多写几轮反思，还要有可检验的反馈。不过，MiniWoB++ 单项任务的 99% 成功率，不能当成通用桌面能力。

曝光 76 · 评论 0 · 点赞 1 · 书签 1