RSI-Anything 공개: 월드모델로 AI 스스로 개선하는 재귀적 자기개선 접근

Ling Yang(@LingYang_PU)이 2026년 10월 12일 11시 16분(KST) 무렵 X 게시물로 RSI-Anything을 발표했습니다. 행동의 결과를 예측함으로써 AI가 스스로를 개선할 수 있는지 묻는 이 접근은 JEPA-Anything을 기반으로 하며, 월드모델이 행동 선택과 학습을 안내하고 피드백이 정책 또는 워크플로를 개선한다는 것이 발표자의 설명입니다.

이미지 출처: Ling Yang (@LingYang_PU) X post attached video

발표자가 밝힌 핵심 루프는 월드모델이 행동을 고르고 학습 방향을 제시하면, 그 피드백이 정책이나 워크플로를 개선하고 필요할 때는 월드모델 자체도 갱신되며, 검증을 통과한 업데이트만 다음 경험에 이어진다는 구조입니다. 논문·리포지토리·블로그 링크는 번들에 포함되지 않아 아래 수치는 모두 발표자의 단일 X 게시물 주장으로만 확인된 상태이며, 독립적인 교차검증은 없습니다.

발표자가 밝힌 구조와 적용 범위

발표문에 따르면 RSI-Anything은 코드, GUI 상호작용, 실험실 계획, 반응 최적화 네 영역에 걸쳐 보고됐다고 소개됐습니다. 각 영역의 수치는 같은 게시물 안에서 나열된 것으로, 측정 조건·데이터셋·평가 프로토콜 같은 세부 정보는 게시물 본문에 담겨 있지 않습니다.

구조 측면에서 발표자는 월드모델 기반 안내, 정책 또는 워크플로 개선, 필요시 월드모델 갱신, 검증된 업데이트의 전달이라는 네 요소를 제시했습니다. 다만 검증 방식의 구체적인 기준은 게시물에서 확인할 수 없습니다.

발표자가 보고한 분야별 수치

아래 수치는 모두 발표자가 같은 게시물에서 보고한 것으로, 독립 검증 없이 전달합니다.

• 코드 복구 성공률: 코더(coder)를 고정한 조건에서 26.3%에서 31.2%로 상승했다고 발표자는 밝혔습니다.
• GUI 에이전트 과제: 더 높은 완료율과 함께 행동 수가 39.4% 감소했다고 발표자는 밝혔습니다.
• 실험실 계획 점수: 다섯 개 정책 버전에 걸쳐 21.80%에서 46.01%로 상승했다고 발표자는 밝혔습니다.
• 평균 최적 관측 반응 수율: 발표자 보고 수치는 96.15% 대 82.16%이며, 비교 대상 표기는 원문에서 "for Bayesia…" 뒤로 잘려 있어 비교 대상과 조건의 완결된 내용을 확인할 수 없습니다.

댓글에서 언급된 "40회 실험 예산" 같은 조건은 제3자의 언급일 뿐 발표문에서 확인되지 않으므로 사실로 채택하지 않았습니다. 같은 날 화제가 된 Sakana AI의 MASS 같은 별개 연구와도 혼동하지 않아야 합니다.

확인된 한계와 읽는 법

이 소식의 factual 상태는 "발표자의 주장 확인"이지 "성능의 독립 검증"이 아닙니다. 번들에 논문·리포지토리·블로그 링크가 없고, 보조 웹검색도 예산 소진으로 건너뛰어 교차검증이 없습니다. 특히 반응 수율 비교 문구는 비교 조건 뒷부분이 잘려 있어, 해당 대결 구도를 완결된 사실처럼 인용해서는 안 됩니다.

따라서 이 기사는 RSI-Anything이라는 제안의 존재와 발표자가 제시한 구조·수치를 정리하는 데 그치며, 재현 가능성이나 일반화 성능에 대한 판단은 후속 자료(논문·코드·평가 조건)가 공개된 뒤에 가능합니다.

출처

• Ling Yang (@LingYang_PU) X 게시물: Introducing RSI-Anything: Unlocking Recursive Self-Improvement with World Models