又一條RSI路線出現：模型參數不動，Agent靠Memory持續進化

動察 Beating AI 快訊，UCSD 助理教授黃碧薇創辦的因果世界模型公司 Aether AI 開源 RSIAgent。

這是一套不訓練模型的遞迴自我改進框架。底層模型參數全程固定，Agent 會自己尋找值得練習的任務、實際操作、檢查結果，再把成功方法和失敗教訓寫進長期 Memory。下一輪繼續利用這些經驗，逐步補上能力短板。

系統由三個 Agent 配合。Curriculum Agent 決定接下來練什麼，Actor Agent 真正操作軟體，Verifier Agent 獨立檢查結果。探索分成兩步：先廣泛嘗試不同任務，再針對失敗、隱藏限制和邊界情況繼續深挖。最後 Memory 會被凍結，直接拿去執行正式任務。

在 OSWorld 2.0 上，加入這套 RSI 後，平均部分得分從 71.97% 提升到 78.98%；Agents’ Last Exam 從 83.75% 提升到 84.82%。不過這不是整套測試的嚴格 A/B 對比。OSWorld 只有一半任務實際用了 RSI 後的新結果，其餘任務繼續沿用原成績。

它和 Prime Agent 這類 Harness 自我改進思路屬於同一個大方向：模型權重不變，持續更新模型外面的東西。 RSIAgent 的特點是把改進重點放在 Memory，再用自主出題和獨立驗證，讓這份外部經驗庫不斷累積。