แก่นของเรื่อง
ความคิดหลัก: RSI ไม่ใช่แค่ "AI ที่เก่งขึ้นเมื่อฝึกเพิ่ม" แต่เป็น AI ที่ผลลัพธ์ของการปรับปรุงรอบหนึ่งไปแก้ กลไกที่ใช้ปรับปรุง ด้วย รอบถัดไปจึงเริ่มจากเครื่องมือที่ดีกว่าเดิม
ทำไมถึงสำคัญ (เหตุและผล):
- ระบบหนึ่งสร้างผลลัพธ์ (ไอเดีย ข้อมูล โค้ด การทดลอง)
- ประเมินผล วัด ทดสอบ หาช่องว่าง
- ปรับปรุงโดยอัปเดต ขัดเกลา เรียนรู้
- ถ้าขั้น 3 ไปแก้ขั้น 1 และ 2 ด้วย รอบถัดไปจะสร้างและประเมินได้ดีขึ้น ผลทบต้นกัน
20% ที่ใช้ได้จริงก่อน:
| ทำก่อน | รอได้ |
|---|---|
| จำวงจร 4 ขั้น: Generate, Evaluate, Improve, Repeat | ทฤษฎี RSI เต็มรูปแบบ |
| ถามทุกระบบว่า "ปรับปรุงอะไร: ตัวโมเดล, memory, harness หรือกระบวนการวิจัย" | งานข้ามหมวด (หลายระบบคาบเกี่ยวหลายชั้น) |
| ถามว่า "มี benchmark วัดการปรับปรุงไหม" | การเปรียบเทียบเชิงลึกระหว่างงานวิจัย |
วงจร Generate, Evaluate, Improve, Repeat
วงจรมี 4 ขั้น และมี 5 องค์ประกอบของระบบอยู่ตรงกลาง
| ขั้น | ทำอะไร | ผลผลิตที่เกี่ยวข้อง |
|---|---|---|
| Generate | สร้างของใหม่ | ไอเดีย ข้อมูล โค้ด การทดลอง |
| Evaluate | วัด ทดสอบ หาช่องว่าง | คะแนน ผลทดสอบ จุดอ่อน |
| Improve | อัปเดต ขัดเกลา เรียนรู้ | น้ำหนักโมเดล, memory, harness ที่ปรับแล้ว |
| Repeat | เริ่มรอบใหม่จากฐานที่ดีขึ้น | ความสามารถสูงขึ้น โอกาสใหม่ |
องค์ประกอบ 5 อย่างของ AI System ที่ถูกปรับปรุงได้:
| องค์ประกอบ | ความหมาย |
|---|---|
| Model | ตัวโมเดลเอง (น้ำหนัก ความสามารถพื้นฐาน) |
| Evaluation | ชุดวัดผลที่ตัดสินว่าดีขึ้นหรือไม่ |
| Context & Memory | สิ่งที่ระบบจำและส่งเข้า prompt |
| Code & Training | โค้ดและกระบวนการฝึก |
| Harness & Tools | โครงที่ห่อ agent และเครื่องมือที่เรียกใช้ |
หกหมวดของงานวิจัย
รายการงานวิจัยแบ่งตามชั้นที่ถูกปรับปรุง ซึ่งคาบเกี่ยวกันได้ ไม่ได้แยกขาด
| หมวด | ถามว่า |
|---|---|
| Model-level self-improvement | ตัวโมเดลฝึกตัวเองต่อได้ไหม |
| Context and memory evolution | memory และ context พัฒนาเองได้ไหม |
| Harness and scaffold evolution | โครงรอบ agent ปรับตัวเองได้ไหม |
| Embodied and physical self-improvement | หุ่นยนต์หรือระบบกายภาพเรียนรู้เองได้ไหม |
| Multi-agent systems | หลาย agent ช่วยกันพัฒนากันได้ไหม |
| Automated AI research, benchmarks, safety | AI ทำวิจัย AI เองได้แค่ไหน วัดอย่างไร ควบคุมอย่างไร |
Note แถวสุดท้ายรวมสามหัวข้อที่รายการแยกไว้ (automated AI R&D, benchmarks, safety) เพื่อให้ตารางกระชับ ไม่ได้หมายความว่าเป็นหมวดเดียวกัน
RSI แท้ กับ self-improvement แบบมีขอบเขต
บางงานที่อยู่ในหัวข้อนี้ไม่ได้แสดง RSI ในความหมายเคร่งครัด แต่เป็นการปรับปรุงตัวเองที่มีเพดาน หรือเทคนิคเสริมที่อาจนำไปสู่ระบบที่ครบวงจรกว่า
| ลักษณะ | RSI แบบเคร่งครัด | Bounded self-improvement |
|---|---|---|
| ปรับปรุงอะไร | ผลงาน และ กลไกที่สร้างการปรับปรุง | ผลงานอย่างเดียว หรือกลไกชั้นเดียว |
| รอบถัดไป | เริ่มจากกลไกที่ดีขึ้น | เริ่มจากกลไกเดิม |
| ตัวอย่างการตรวจ | ตัวปรับปรุงเองถูกแก้ในรอบก่อนหน้าหรือไม่ | แก้แค่ prompt, memory หรือพารามิเตอร์ที่กำหนดไว้ |
Important ตารางนี้เป็นเกณฑ์อ่านที่สรุปจากนิยาม ไม่ใช่การจัดประเภทงานแต่ละชิ้นที่ยืนยันแล้ว ก่อนเรียกระบบใดว่า RSI ให้ตรวจเองว่ากลไกปรับปรุงถูกแก้ด้วยหรือไม่
ตัวอย่างระบบจริง: RSI-Anything
RSI-Anything เป็นเฟรมเวิร์กโอเพนซอร์ส (Apache-2.0) ที่ใช้ world model ทำนายผลของตัวเลือกก่อนลงมือ แล้วเก็บสิ่งที่ปรับปรุงได้ไว้ใช้รอบถัดไป สร้างบน JEPA-Anything ข้อมูลในหัวข้อนี้อ่านจาก repo ที่ commit 99dbf00 เมื่อ 2026-10-12
Note ตัวเลขผลลัพธ์ทั้งหมดเป็นค่าที่โปรเจกต์รายงานเอง ยังไม่ได้รันซ้ำ ข้อความที่ติดป้าย
ตีความเป็นข้อสรุปของหน้านี้ ไม่ได้มาจาก repo
วงจร 6 ขั้น
Propose, Predict, Select, Evaluate, Learn, Retain: ระบบเสนอทางเลือก ทำนายผล เลือกตัวที่ดูดีที่สุด ให้สิ่งแวดล้อมภายนอกประเมินตัวที่เลือก เรียนรู้จากผล แล้วเก็บระบบที่ดีขึ้นไว้นำรอบถัดไป
| ขั้นของ RSI-Anything | จับคู่กับวงจรหลักของหน้านี้ (ตีความ) |
|---|---|
| Propose | Generate |
| Predict + Evaluate | Evaluate |
| Learn | Improve |
| Retain | Repeat |
| Select | ขั้นเพิ่ม: world model เลือกก่อนลงมือ ประหยัดรอบประเมินจริง |
ห้าโดเมนที่ใช้ทดสอบ
| โดเมน | งานทดสอบ | ผลที่โปรเจกต์รายงาน |
|---|---|---|
| Code repair | CodeContests (200 โจทย์), APPS Introductory (1,000), LiveCodeBench v6 (1,055) | สำเร็จ 31.2%, 46.37%, 33.05% ตามลำดับ |
| GUI interaction | MiniWoB++ click-checkboxes, OSWorld |
สำเร็จ 99%; OSWorld ดีขึ้น 18.4% เทียบ agent เริ่มต้น |
| Laboratory planning | LabHorizon F200 Level 2 | planning score 46.01% |
| Reaction optimization | Suzuki 100 รัน | ผลผลิตสูงสุดที่เห็นเฉลี่ย 96.15%; ทุกรันเจอค่าสูงสุดภายในครั้งที่ 10 |
| Immune science | workflow วิทยาศาสตร์แบบครบวงจร | เสนอสมมติฐานให้ไปทดลองจริง (ยังไม่ใช่ผลที่ยืนยัน) |
อ่านรายละเอียดระดับงานเฉพาะโดเมนเพียงสองโดเมน (code repair, GUI) โดเมน lab, reaction และ immune อ่านแค่สรุปใน README
Code repair: ตั้งค่าที่ต้องรู้ก่อนอ่านตัวเลข
| รายการ | ค่า |
|---|---|
| นโยบายสร้างโค้ด | ReasonFlux-Coder-7B เสนอ 4 ทางเลือกต่อรอบ |
| จำนวนรอบซ่อม | สูงสุด 3 รอบ |
| สัญญาณระหว่างซ่อม | ผลทดสอบ (public tests) และ world model ที่ทำนายผลรันโค้ด |
| เกณฑ์สำเร็จ | ผ่านชุดทดสอบทางการทั้งหมด |
| รันซ้ำ | 3 seed (ค่าสุ่มต่างกัน) เฉลี่ยผล |
| จำนวนการประเมิน | 600 (CodeContests), 3,000 (APPS), 3,165 (LiveCodeBench) |
จำนวนการประเมินคือจำนวนโจทย์คูณ 3 seed: 200x3, 1,000x3, 1,055x3 ตรงกับตัวเลขใน repo
GUI: 51% ไปถึง 99% และสิ่งที่ตัวเลขเดียวไม่บอก
โจทย์คือติ๊ก checkbox ตามคำสั่งแล้วกด submit ทดสอบกับ 100 instance ชุดเดิมสามรุ่นของ controller จำกัด 120 วินาทีและ 8 action ต่อรอบ
| ตัวชี้วัด | รุ่นแรก | รุ่นกลาง | รุ่นสุดท้าย |
|---|---|---|---|
| สำเร็จ | 51% | 79% | 99% |
| action เฉลี่ยต่อรอบ | 5.30 | 2.93 | 3.21 |
| รอบที่ submit ผิด | 9 | 21 | 1 |
- action ลดลง 39.4% จากรุ่นแรกไปรุ่นสุดท้าย (คำนวณซ้ำ: (5.30-3.21)/5.30 = 0.394) และการคลิกซ้ำลดจาก 237 เหลือ 0
- รุ่นกลางใช้ action น้อยที่สุดแต่ submit ผิด 21 รอบ มากกว่ารุ่นแรก 9 รอบ จึงอ่าน action กับอัตราสำเร็จและ submit ผิดพร้อมกัน
OSWorld: เทียบเป็นอัตราส่วน ไม่ใช่เปอร์เซ็นต์ตรง
| วิธี | ดีขึ้นเทียบ agent เริ่มต้น |
|---|---|
| agent เริ่มต้น | อ้างอิง |
| RLAnything | +12.3% |
| RSI-Anything | +18.4% |
repo รายงานว่า RSI-Anything ดีกว่า RLAnything 5.5% (สัมพัทธ์) คำนวณจากตัวเลขที่ปัดแล้วได้ 1.184 / 1.123 - 1 = 5.4% ส่วนต่าง 0.1 น่าจะมาจากการปัดเศษของอัตราสำเร็จจริง (ตีความ) ไม่ใช่ 18.4 - 12.3 = 6.1 เพราะฐานเทียบต่างกัน
เป็น RSI แท้หรือไม่ (ตีความ)
| คำถามตามเกณฑ์ของหน้านี้ | สิ่งที่อ่านเจอใน repo |
|---|---|
| ปรับปรุงอะไร | world model 4 ขั้นใน code repair; policy กับ world อัปเดต 2 รอบใน GUI |
| รอบถัดไปเริ่มจากอะไร | checkpoint ของขั้นก่อนหน้า |
| อะไรคงที่ | ตัวรัน workflow และรายการขั้นตอนใน recipe |
ข้อสรุป: ตัวเลือกถูกเลือกโดย world model ที่ดีขึ้นทุกรอบ ซึ่งเกินกว่าการปรับผลงานอย่างเดียว แต่ที่อ่านมาไม่พบว่าโค้ดของตัววงจรถูกเขียนใหม่โดยระบบเอง จึงอยู่ระหว่าง bounded กับ RSI เคร่งครัด
โครง workflow ที่ต่อยอดได้
| ส่วน | ที่อ่านเจอ |
|---|---|
| recipe | ไฟล์ JSON ระบุ task, mode, run_root, python, options |
| adapter ต่อหนึ่ง task | plan(config) คืน stage, results(run_root) คืน metric จากไฟล์ผลจริง |
| stage | ชื่อ คำสั่ง cwd env ไฟล์ผลที่คาดหวัง และ output ที่เก็บไว้ก่อน retry |
| code repair (full) | ตรวจ asset, อัปเดต world 4 ขั้น, ประเมิน |
| GUI (full) | ดึงโมเดล, ตรวจ environment, freeze protocol, preflight 2 แบบ, adapt และประเมิน |
| resume | ต้องใช้ recipe และ source เดิม ขั้นที่เสร็จแล้วข้ามหลังเช็ก hash ของผลลัพธ์ |
| ป้องกันรันซ้อน | filesystem lock กันสอง runner ถือ run เดียวกัน |
ลำดับคำสั่งที่ repo ให้ไว้ (ยังไม่ได้รัน):
git clone https://github.com/Gen-Verse/RSI-Anything.git
cd RSI-Anything
python3.10 -m venv .venv
source .venv/bin/activate
python -m pip install -e .
rsi tasks
rsi plan --config configs/gui/default.json
rsi run --config configs/gui/default.json
rsi status --run runs/gui
rsi report --run runs/gui
rsi plan พิมพ์คำสั่งและ path ที่จะใช้โดยไม่สร้าง run และไม่เริ่ม worker จึงเป็นก้าวแรกที่ปลอดภัย repo ระบุขั้นตอนเตรียม environment สำหรับ Linux รวมถึงการกำหนด GPU ในงาน code repair
ช่วยให้ดีขึ้นอย่างไร
| สถานการณ์ | ถ้าไม่ใช้กรอบนี้ | ถ้าใช้กรอบนี้ | วัดอย่างไร | หลักฐาน |
|---|---|---|---|---|
| อ่านงานวิจัย "self-improving agent" | เหมารวมทุกงานเป็นเรื่องเดียวกัน | จัดเข้า 1 ใน 6 หมวด ตั้งคำถามถูกชั้น | จำนวนงานที่จัดหมวดได้ ต่อ 10 งานที่อ่าน | ตีความ |
| ประเมินว่าระบบเป็น RSI จริงไหม | เชื่อคำโฆษณา | เช็กว่ากลไกปรับปรุงถูกแก้ด้วยไหม | ตอบ "ใช่/ไม่" พร้อมหลักฐานจาก log การเปลี่ยนแปลง | ตีความ |
| วางแผนทำ agent ของตัวเอง | ปรับแค่ prompt แล้วคาดว่าจะทบต้น | รู้ว่าปรับแค่ชั้นเดียวคือ bounded | เทียบคะแนน benchmark ระหว่างรอบ | ยังไม่ทดสอบ |
| เลือก action ใน GUI (ติ๊ก checkbox) | รุ่นแรก สำเร็จ 51%, 5.30 action | world model เลือกก่อนลงมือ สำเร็จ 99%, 3.21 action | สำเร็จ และ action ต่อรอบ | อ่านจาก repo; โปรเจกต์รายงาน ไม่ได้รันซ้ำ |
| เลือกโค้ดซ่อมที่ดีที่สุดจาก 4 ตัว | สุ่ม หรือ verifier คงที่ | ทำนายผลรันโค้ดก่อนเลือก | สำเร็จบนชุดทดสอบเต็ม | อ่านจาก repo; รายงานว่าชนะ แต่ไม่ได้อ่านตัวเลข baseline |
แถวที่ติดป้าย อ่านจาก repo เป็นตัวเลขที่โปรเจกต์รายงานเอง ไม่ได้รันซ้ำ จึงไม่มีแถวไหนที่ติดป้าย วัดแล้ว
ลองใช้
เมื่อไหร่ควรใช้กรอบนี้
| ใช้เมื่อ | ไม่ใช้เมื่อ | ต้องมีก่อน |
|---|---|---|
| ต้องคัดงานวิจัยด้าน self-improving agent | ต้องการ benchmark ตัวเลขข้ามงาน | รายชื่องานที่ต้องการแยกประเภท |
| ออกแบบ agent ที่เรียนรู้ต่อได้ | ระบบมีโมเดลคงที่และไม่ต้องปรับตัว | ชุดวัดผลที่ใช้ซ้ำได้ |
ตัวอย่างประกอบ (ตัวเลขเป็นของสมมติเพื่อฝึกคิด)
มี agent เขียนโค้ดตัวหนึ่ง รอบที่ 1 ผ่านโจทย์ 40 จาก 100 ข้อ ระบบเขียน prompt ใหม่ให้ตัวเองแล้วรอบที่ 2 ผ่าน 55 ข้อ
- ปรับอะไร: prompt (ชั้น harness) ไม่ได้แตะกลไกที่ใช้เขียน prompt
- ผล: เป็น bounded self-improvement
- ถ้ารอบที่ 3 ระบบแก้ ขั้นตอนที่ใช้สร้าง prompt ด้วย และรอบที่ 4 สร้างได้ดีขึ้นเพราะขั้นตอนนั้น จึงเริ่มเข้าใกล้ RSI
ก้าวแรกที่เล็กที่สุด: เลือก agent หนึ่งตัวที่ใช้อยู่ แล้วเขียนตอบ 3 ข้อ: ปรับอะไรได้เอง, ใช้อะไรวัดว่าดีขึ้น, ตัวปรับปรุงเองถูกแก้ไหม
ทดสอบก่อนและหลัง
| รายการ | ค่า |
|---|---|
| เมตริก | จำนวนงานที่จัดหมวดตรงกับที่ตัวเองตรวจซ้ำอีกวัน |
| baseline | จัดโดยไม่ใช้กรอบ 6 หมวด |
| เกณฑ์ผ่าน (ตั้งก่อนทำ) | จัดตรงอย่างน้อย 8 จาก 10 งาน |
ทดสอบความเข้าใจ
| คำถาม | คำตอบ | คำตอบผิดที่พบบ่อย |
|---|---|---|
| ระบบที่ฝึกต่อทุกสัปดาห์แล้วเก่งขึ้น เป็น RSI หรือไม่ | ยังไม่แน่ ต้องดูว่ากลไกฝึกถูกปรับปรุงด้วยหรือไม่ | "เป็น เพราะเก่งขึ้นเอง" |
| agent ที่เขียน memory ลงไฟล์แล้วอ่านรอบหน้า อยู่ชั้นไหน | Context and memory evolution | "Model-level" |
| ทำไมรายการนี้ยอมใส่งานที่ไม่ใช่ RSI เคร่งครัด | เทคนิคเสริมที่อาจต่อยอดเป็นระบบครบวงจรได้ | "ผู้ดูแลไม่ได้ตรวจ" |
| ขั้น Evaluate หายไปจากวงจรจะเกิดอะไร | ไม่มีสัญญาณบอกว่าดีขึ้น ระบบอาจเปลี่ยนแต่ไม่ได้ดีขึ้น | "ไม่กระทบ ขั้น Improve ยังทำงาน" |
| งานที่อยู่ 2 หมวดพร้อมกัน ควรจัดอย่างไร | จัดได้หลายหมวด เพราะการแบ่งเป็นแค่การจัดระเบียบ ไม่ได้แยกขาด | "ต้องเลือกหมวดเดียว" |
| รุ่นกลางใช้ action 2.93 ต่ำกว่ารุ่นแรก 5.30 แปลว่าดีกว่าหรือไม่ | ยังสรุปไม่ได้ สำเร็จ 79% แต่ submit ผิด 21 รอบ มากกว่ารุ่นแรก 9 รอบ | "ใช่ เพราะ action น้อยลง" |
| OSWorld: +18.4% กับ +12.3% ทำไมต่างกัน 5.5% ไม่ใช่ 6.1% | ทั้งคู่เทียบ agent เริ่มต้น ต้องหารอัตราส่วน 1.184/1.123 ไม่ใช่ลบกัน | "ลบกัน 18.4 - 12.3" |
| ผล 99% บน click-checkboxes พิสูจน์ว่าแก้งาน GUI ทั่วไปได้หรือไม่ | ไม่ วัดโจทย์เดียว 100 instance งาน OSWorld มีแค่ค่าเปรียบเทียบสัมพัทธ์ | "99% แปลว่าแก้ GUI ได้เกือบหมด" |
Risks
Warning รายการเป็นการรวบรวมโดยชุมชนและยังเปลี่ยนแปลงอยู่ งานแต่ละชิ้นที่อยู่ในหัวข้อนี้ไม่ได้พิสูจน์ RSI จริงทุกชิ้น ห้ามอ้างว่า "งานนี้ยืนยันแล้วว่า AI พัฒนาตัวเองได้ไม่จำกัด" จากการที่ชื่อปรากฏในรายการ
- ภาพที่ใช้เห็นเฉพาะส่วนต้น (คำนิยาม ภาพรวม ชื่อหมวด) ไม่เห็นรายชื่องานวิจัยในแต่ละหมวด หน้านี้จึงไม่ได้ระบุงานรายชิ้น
- เกณฑ์แยก RSI แท้กับ bounded เป็นการตีความ ไม่ใช่มาตรฐานที่ตกลงกัน
- ผลของ RSI-Anything เป็นตัวเลขที่โปรเจกต์รายงานเอง ไม่ได้รันซ้ำ และไม่ได้อ่านงานวิจัยฉบับเต็ม (arXiv 2610.13912), รายงานผล GUI ฉบับเต็ม หรือคู่มือของโดเมน lab, reaction, immune
- ผล GUI วัดบนโจทย์เดียว (
click-checkboxes) ใน 100 instance ห้ามขยายความไปงาน GUI ทั่วไป - โดเมน immune ได้เพียงข้อเสนอสมมติฐานสำหรับทดลอง ยังไม่มีผลยืนยัน
- repo รายงาน 5.5% แต่คำนวณจากตัวเลขที่ปัดแล้วได้ 5.4% จึงใช้ตัวเลขเป็นค่าประมาณ
- ใบอนุญาตของรายการคือ CC0-1.0 (public domain dedication) ซึ่งไม่ได้ครอบคลุมใบอนุญาตของงานที่ลิงก์ไป
Decision / next steps
Recommendation ถ้าจะศึกษาต่อ เริ่มจากหมวดพื้นฐาน (Fundamentals & Getting Started) ก่อน แล้วเลือกหมวดที่ตรงกับงานของตัวเอง เช่น Harness and scaffold evolution สำหรับคนสร้าง coding agent ถ้าอยากดูระบบที่รันได้จริง ให้เริ่มจาก
rsi plan --config configs/gui/default.jsonของ RSI-Anything ซึ่งไม่สร้าง run และไม่เริ่ม worker
Sources
- Gen-Verse/RSI-Anything: commit
99dbf00อ่านเมื่อ 2026-10-12, license Apache-2.0 ไฟล์ที่อ่าน: README.md, docs/benchmarks.md, docs/workflow.md, src/rsi_anything/cli.py, src/rsi_anything/workflow/types.py - lobehub/awesome-rsi: commit
7fbbb6fอ่านเมื่อ 2026-10-12, license CC0-1.0 ข้อความส่วนต้นของ README ตรงกับภาพที่ใช้ทำหน้านี้ อ่านเฉพาะส่วนต้นของ README (70 KB) กับรายการไฟล์ ไม่ได้อ่านรายชื่องานวิจัยในรายการ
ตัวย่อที่ใช้ในหน้านี้
| ตัวย่อ | ชื่อเต็ม | คืออะไร | อ่านค่าอย่างไร |
|---|---|---|---|
| RSI | Recursive Self-Improvement | AI ปรับปรุงความสามารถตัวเอง และปรับปรุงกลไกที่สร้างการปรับปรุงด้วย | "ปรับ prompt แล้วคะแนนขึ้น" ยังไม่พอ ต้องแก้ตัวปรับปรุงเองด้วย |
| AI | Artificial Intelligence | ระบบที่ทำงานเลียนแบบความสามารถทางปัญญา | - |
| R&D | Research and Development | งานวิจัยและพัฒนา | "Automated AI R&D" = AI ทำวิจัยพัฒนา AI เอง |
| CC0-1.0 | Creative Commons Zero 1.0 | ใบอนุญาตสละสิทธิ์เป็นสาธารณสมบัติ | ใช้และดัดแปลงได้โดยไม่ต้องขออนุญาต |
| harness | - | โครงที่ห่อ agent: เครื่องมือ ลำดับขั้น และกติกา | ปรับ harness = ปรับโครง ไม่ได้ปรับน้ำหนักโมเดล |
| benchmark | - | ชุดวัดมาตรฐานเพื่อเทียบผลก่อนและหลัง | ต้องรันซ้ำได้ |
| JEPA | Joint-Embedding Predictive Architecture | แนวทางโมเดลที่ทำนายในพื้นที่ซ่อนตัว เป็นฐานของ world model ใน RSI-Anything | repo ไม่ได้ขยายชื่อ |
| world model | - | โมเดลที่ทำนายผลของการกระทำก่อนลงมือจริง | ทำนายว่าโค้ดนี้ผ่านเทสต์ไหมโดยไม่ต้องรัน |
| GUI | Graphical User Interface | หน้าจอที่คนหรือ agent คลิกและพิมพ์ | งาน GUI = agent ควบคุมเบราว์เซอร์หรือเดสก์ท็อป |
| CLI | Command-Line Interface | ใช้งานผ่านคำสั่งในเทอร์มินัล | rsi tasks คือคำสั่งของ CLI |
rsi |
- | ชื่อคำสั่ง CLI ของ RSI-Anything (tasks, plan, run, status, report, assets) | rsi plan ดูแผนโดยไม่รัน |
| GPU | Graphics Processing Unit | ตัวประมวลผลสำหรับฝึกและรันโมเดล | recipe code repair กำหนดการ์ดที่ใช้ |
| seed | - | ค่าเริ่มต้นสุ่มของการรัน | ผล "เฉลี่ย 3 seed" = รัน 3 ครั้งแล้วเฉลี่ย |
| arXiv | - | คลังพรีปรินต์งานวิจัย | 2610.13912 = เลขรายงานของงาน RSI-Anything |
| Apache-2.0 | Apache License 2.0 | ใบอนุญาตโอเพนซอร์สของ RSI-Anything | ใช้และดัดแปลงได้ ตามเงื่อนไขของใบอนุญาต |
| CodeContests | - | ชุดโจทย์เขียนโปรแกรมแข่งขัน | ใช้ 200 โจทย์ x 3 seed |
| APPS | - | ชุดโจทย์เขียนโปรแกรม (ส่วน Introductory) | ใช้ 1,000 โจทย์ |
| LiveCodeBench | - | ชุดโจทย์เขียนโปรแกรมที่อัปเดตต่อเนื่อง (v6) | ใช้ 1,055 โจทย์ |
| MiniWoB++ | - | ชุดงานเว็บขนาดเล็กสำหรับทดสอบ agent | click-checkboxes = ติ๊ก checkbox ตามคำสั่ง |
| OSWorld | - | ชุดงานเดสก์ท็อปสำหรับทดสอบ agent | repo ให้เฉพาะค่าดีขึ้นแบบสัมพัทธ์ |
| RLAnything | - | วิธีเปรียบเทียบใน OSWorld | +12.3% เทียบ agent เริ่มต้น |
| ReasonFlux-Coder-7B | - | โมเดลเขียนโค้ดที่เสนอทางเลือกซ่อมโค้ด | "7B" = ขนาดโมเดล ราว 7 พันล้านพารามิเตอร์ |
| LabHorizon F200 | - | ชุดงานวางแผนห้องปฏิบัติการที่ใช้ทดสอบ | repo ที่อ่านไม่อธิบายเพิ่ม |
| JSON | JavaScript Object Notation | รูปแบบไฟล์ข้อความแบบโครงสร้าง ใช้เขียน recipe | configs/gui/default.json คือ recipe ของงาน GUI |
| README | - | ไฟล์อธิบายโปรเจกต์ที่หน้าแรกของ repo | README ของ awesome-rsi ยาว 70 KB |
| KB | Kilobyte | หน่วยขนาดไฟล์ | 70 KB = ประมาณ 70 พัน byte |
แถว R&D, harness, GPU, GUI, CLI, arXiv, JSON, README และ KB มาจากความรู้ทั่วไป ส่วนชื่อ JEPA, RLAnything, OSWorld, MiniWoB++, APPS, LiveCodeBench, CodeContests, ReasonFlux-Coder-7B และ LabHorizon F200 repo ที่อ่านระบุเพียงชื่อ คำอธิบายของแถวเหล่านี้เป็นความรู้ทั่วไปหรืออนุมานจากบริบท ควรยืนยันกับแหล่งของแต่ละชุดข้อมูล
Summary
| ประเด็น | ข้อสรุป |
|---|---|
| RSI คืออะไร | AI ปรับปรุงทั้งผลงานและกลไกที่สร้างการปรับปรุง |
| วงจร | Generate, Evaluate, Improve, Repeat |
| หมวดงานวิจัย | 6 หมวด คาบเกี่ยวกันได้ |
| ตัวอย่างระบบจริง | RSI-Anything: world model ทำนายผลก่อนเลือก; GUI 51% เป็น 99% (รายงานเอง) |
| จุดที่ต้องระวัง | ไม่ใช่ทุกงานในรายการเป็น RSI แท้ และผลของ RSI-Anything วัดบนโจทย์ GUI เดียว |
| ก้าวต่อไป | ถามทุกระบบว่ากลไกปรับปรุงถูกแก้ด้วยหรือไม่ |