文章总结： AetherAI提出RSIAgent框架，在不更新模型参数的前提下实现Agent递归自我提升，主张以ScaleExperience替代ScaleModel。系统由课程生成、执行、验证三个智能体构成闭环，采用先广后深两阶段自主探索策略，将稳定的动作-条件-结果因果关系沉淀入可演化Memory供任务复用。实验显示其使GLM-5.3、Kimi-K3等开源模型在OSWorld2.0与AgentsLastExam上分别达78.98%和84.82%，超越GPT-6Astra等闭源模型，且能力随探索轮次持续提升，验证了经验扩展路径的可行性，论文与代码已开源。
综合评分： 65
文章分类： AI安全,其他

在多项高难度Benchmark超越GPT-6 Astra，RSIAgent让开源模型自主探索新环境

机器之心

2026年9月15日 12:34
辽宁

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

机器之心编辑部

大模型过去几年的能力跃迁，几乎都围绕一个词：Scaling。

模型越来越强，Agent 也开始从 “会聊天” 走向 “能干活”。

但模型部署之后呢？

一个 Agent 真正进入从没见过的软件、工具或者企业系统时，问题往往才刚刚开始。新的软件有新的交互逻辑，新的工具有新的调用方式，不同环境还有各自隐藏的约束、异常状态和失败模式。

即便底层模型已经足够聪明，它也未必真正理解这个环境里的因果结构：什么操作会带来什么结果？哪些条件会触发失败？改变哪些关键因素，才能真正把任务做成？

过去最直接的办法，是遇到一个新环境，就再收集一批交互数据，通过微调、强化学习或者人工反馈重新训练。

但这条路很难无限走下去。一方面，数据采集、标注和训练本身都要付出成本；另一方面，在企业内部软件、私人工作环境和不断变化的数字系统里，很多数据既不能公开，也不适合每换一个环境就重新训练一遍。

于是问题变成了：

如果不更新模型参数，一个 Agent 能不能像人一样，通过自己探索新环境、发现其中的因果规律、总结经验，并持续提升自己的能力？

最近，专注于因果智能的 Aether AI 提出了 RSIAgent。通过 RSIAgent，他们想试另一种 Scaling：不继续 Scale Model，而是 Scale Experience。

也就是说，模型参数先不动，让 Agent 自己进入环境探索、试错、验证，再把得到的经验不断积累下来。

RSIAgent 给出的方案，是一套面向数字智能体的 Autonomous Exploration for Recursive Self-Improvement（RSI，递归自我提升）框架：让 Agent 自己决定学什么、自己进入环境获取经验、自己验证结果，并将其中稳定的动作 — 条件 — 结果因果关系沉淀进 Memory，供后续任务直接复用。

这个思路延续了 Aether AI 团队一直在追问的问题：AI 能不能不只记住 “什么通常有效”，而是真正理解 “什么改变会导致什么结果”。

更值得注意的是，这种 “靠经验继续变强” 的路线，已经在实验里表现出了相当直接的效果。

在不更新模型参数的情况下，RSIAgent 能够持续提升 Kimi-K3 和 GLM-5.3 等开源模型的 Agent 能力，并在 OSWorld 2.0 与 Agents’ Last Exam 上超过 GPT-6 Astra 等闭源模型。

其中，RSIAgent 在 OSWorld 2.0（0808 offline）上取得 78.98% 的 Partial Score，在 Agents’ Last Exam（Near-term）上达到 84.82%，大幅领先于 GPT-6 Astra 的 72.60% 和 82.26%。

图 1｜RSIAgent 框架与性能表现：RSIAgent 通过 “课程生成 — 执行 — 验证 — 记忆演化” 的递归闭环自主适应新环境，并使开源模型在 OSWorld 2.0 和 Agents’ Last Exam 上超过多款前沿闭源模型。

• 论文标题：RSIAgent: Autonomous Exploration for Recursive Self-improvement in New Environments
• 论文链接：https://arxiv.org/pdf/2609.15364v1
• 代码链接：https://github.com/AetherLabsAI/RSIAgent
• 网站链接：https://aetherlabsai.github.io/RSIAgent/

从 “被动学习” 到 “主动探索”：

RSIAgent 的核心思路

RSIAgent 的核心，是把 Agent 与新环境的交互过程本身变成一种持续学习过程。系统围绕一个不断演化的 Memory，构建由 curriculum agent、actor agent 和 verifier agent 组成的多智能体递归闭环：curriculum agent 决定下一步应该探索什么，actor agent 进入环境执行任务并积累经验，verifier agent 根据真实环境反馈判断结果是否可靠，最终将有效知识持续写入 Memory。这样，Agent 不再只是被动完成任务，而是能够自主选择学习方向、获取经验并不断扩展自己的环境知识。

在此基础上，RSIAgent 进一步采用 Broad-to-Deep 的两阶段自探索策略，其思路类似于大模型训练中的 Pre-training → Post-training：先通过广泛探索建立整体能力覆盖，再围绕关键难点进行针对性强化。

第一阶段：Broad Recursive Self-exploration

这一阶段类似于 Pre-training，重点是从 “单点解决任务” 转向 “快速建立对环境的广泛认知”。curriculum agent 会在每一轮同时生成多个方向不同的探索任务，例如尝试不同工具、交互方式和输入条件；随后由多组 actor agent 和 verifier agent 并行执行与验证，再将有效经验汇总进共享 Memory。基于当前已获得的知识，curriculum agent 会继续生成下一批更有价值、覆盖新方向的任务。整个过程形成一个并行递归链：

多方向任务 → 并行执行 → 并行验证 → 汇总更新 Memory → 新一轮多方向任务

通过不断扩展探索方向，Broad Recursive Self-exploration 能够快速覆盖环境中的常见规则、操作流程和失败模式，让系统先形成一张较完整的 “环境知识地图”，为后续针对关键难点的深入探索打下基础。

第二阶段：Deep Recursive Self-exploration

这一阶段更接近 Post-training，重点从 “覆盖更多知识” 转向 “攻克关键难点”，主动寻找那些：难、隐蔽、容易出错、只有在复杂情况下才会暴露的问题。curriculum agent 会首先生成一个相对困难的任务，刻意让系统进入可能出现异常、隐藏约束或边界情况的场景。actor agent 使用当前 Memory 完成任务；verifier agent 检查结果；然后 curriculum agent 根据暴露出的失败、未知问题和脆弱环节，再继续设计一个更难的任务。整个过程变成一个顺序递归链：

困难任务 → 执行 → 验证 → 更新 Memory → 更困难任务

每一轮都建立在上一轮刚刚获得的知识之上。因此，Deep Recursive Self-exploration 更像是一种自动化的 “极限测试”，它不断把 Agent 推向知识边界，让系统真正知道：“这个环境在哪些地方最容易出问题。”

最终，两阶段探索得到的 Memory 会被冻结，并直接用于后续任务执行，使 Agent 在不更新模型参数的情况下获得可复用的新环境能力。

图 2｜RSIAgent 整体框架，以 FreeCAD 任务为例。 BRS 通过并行探索获取多样化经验，DRS 则通过逐步深入探索持续细化 Memory。curriculum agent 负责提出探索任务，actor agent 执行基于代码的操作并更新 Memory，verifier agent 负责验证执行结果。最终，累积得到的 Memory 被冻结，并直接复用于下游任务。

• 从探索到执行：看 RSIAgent 如何在真实软件中积累经验

已关注

关注

重播 分享 赞

关闭

观看更多

更多

退出全屏

切换到竖屏全屏退出全屏

机器之心已关注

分享视频

，时长01:29

0/0

00:00/01:29

切换到横屏模式

继续播放

[ ]

进度条，百分之0

播放

00:00

/

01:29

01:29

倍速

全屏

倍速播放中

0.5倍0.75倍1.0倍1.5倍2.0倍

超清流畅

继续观看

在多项高难度Benchmark超越GPT-6 Astra，RSIAgent让开源模型自主探索新环境

观看更多

转载

,

在多项高难度Benchmark超越GPT-6 Astra，RSIAgent让开源模型自主探索新环境

机器之心已关注

分享点赞在看

已同步到看一看写下你的评论

视频详情

REAPER 音频编辑与 FreeCAD 建模任务的真实操作回放。左侧展示软件操作，右侧展示 Memory 的逐步演化与测试时复用。探索与执行过程经过加速展示。

实验分析

1. RSIAgent 推动开源模型超过前沿闭源模型

在 OSWorld 2.0 和 Agents’ Last Exam 上，RSIAgent 基于 GLM-5.3 与 Kimi-K3 这两个开源模型，其采用的 RSI 策略能够在 OSWorld 2.0 上面从 71.97% 提升到 78.98%，大幅超过 GPT-6 Astra、Claude Opus 5 等前沿闭源模型。这表明，即使不更新模型参数，Agent 仍然可以通过自主探索和 Memory 演化持续突破底层模型原有的能力边界。

2. RSIAgent 也能泛化到 Game 等场景

团队进一步将 RSIAgent 应用于 GameCraft-Bench 的自主游戏开发任务。结果显示，RSIAgent 在 mechanics、depth、visuals、art 和 overall quality 上都能带来进一步提升，说明其 “主动探索 — 自我进化” 机制能够迁移到不同类型的交互环境。

3. BRS 和 DRS 消融实验

消融实验验证了 Broad Recursive Self-exploration 和 Deep Recursive Self-exploration 的重要性，Broad 阶段负责快速建立环境知识覆盖，Deep 阶段进一步聚焦难点、隐藏约束和边界条件，移除任何一方均会大幅影响探索的广度或深度。

4. RSI 轮次越多，Agent 呈现持续 “自我进化”

随着 RSI 轮次增加，Agent 的表现会持续提升。不同任务由于难度不同，会呈现不同的收敛速度：简单任务可能快速达到高分，而复杂任务需要更多轮探索才能逐步解决剩余瓶颈。在代表性任务中，最终得分可达到 100%，体现出类似人类探索与学习范式的递归进化过程。

RSIAgent 背后：

从 Scaling Experience 走向通用因果智能

过去几年，AI 能力提升主要依赖于 Scaling Model，但这种范式本质上仍是 “先训练、再部署”—— 模型进入新软件、新工具和新环境后，往往仍需要重新收集数据并额外训练，缺乏在部署过程中自主形成新知识的能力。

这也是 Aether AI 因果驱动智能体路线关注的核心问题之一：AI 能否不只从历史数据中学习相关性，而是在与环境持续交互的过程中，主动识别真正影响结果的变量、理解行动与结果之间的因果结构。

围绕这一目标，团队已经从因果分析、环境探索、长期记忆到长程决策展开了一系列研究。

在 Aether AI 看来，这些工作并不是彼此独立的 Agent 模块，而是在回答通用因果智能中的不同问题。

Causal-Copilot 探索如何让 Agent 自主完成因果分析，从相关性之外识别真正影响结果的关键因素；C-World 构建开放式工具使用环境，让 Agent 能够在更复杂、更开放的交互过程中持续测试、收集经验与构建数据；在此基础上，Auto-scaling Continuous Memory 与 Hybrid Self-Evolving Structured Memory 进一步研究如何将这些不断产生的经验沉淀为可扩展、可演化的长期记忆；StructAgent 进一步将这些能力统一到长程数字智能体中，通过统一的因果结构组织状态、执行与验证。

从因果变量发现、环境干预，到记忆演化和长程决策，这些工作的共同目标，是让 AI 从 “记录发生了什么”，进一步走向 “理解什么真正导致了结果”。

RSIAgent 可以看作这条因果驱动智能体路线在数字环境中的一次具体实践。它试图推动 Agent 从被动训练走向主动因果发现与学习，并进一步迈向真正的自我进化（Self-Evolution）。面对新环境，Agent 不只是被动记录轨迹，而是主动决定 “接下来该探索什么”，通过持续交互、试探和验证，对环境施加不同干预，并观察其结果。由此，Agent 可以逐步发现动作、条件与结果之间的因果关系：什么操作会引发什么变化，什么条件会导致失败，以及改变哪些关键因素能够改变最终结果。

这构成了另一条 scaling 路径：Scaling Experience。在模型参数保持不变的情况下，RSIAgent 通过一轮轮 RSI 持续扩展探索范围，从成功、失败和边界案例中发现新的因果规律与环境机制，并将其沉淀到 evolvable memory 中。Memory 因此不再只是历史经验的存储，而逐步成为对环境因果结构（Causal Structure）的可复用认知，并进一步支撑后续决策与持续自我进化。

不同难度的任务也呈现出不同的 “进化速度”：简单任务可能经过少量 RSI 轮次快速收敛，而复杂任务需要更多轮主动探索，才能逐步发现隐藏变量、未知约束和 corner cases。实验中，一些初始成功率仅为 0–40% 的任务，随着 RSI 轮次增加，最终可以提升至 100%。

这意味着，未来 Agent 的能力上限不仅取决于 “底层模型有多强”，更取决于它能否通过主动干预环境，持续完成因果发现、因果验证与因果知识积累，并将这些规律转化为长期可复用的能力。

而从 Aether AI 更大的技术路线来看，RSIAgent 所处理的数字环境，只是通用因果智能的一种载体。无论是数字智能体在软件中调用工具，还是机器人在物理世界中抓取、推动和操作物体，本质上都涉及同一个问题：一次行动如何改变环境，而这些变化又由哪些真正的因果机制决定。

Aether AI 希望沿着这条路线继续推进，让 AI 不只记住 “发生了什么”，也不只预测 “接下来可能发生什么”，而是进一步理解 “为什么会发生，以及怎样改变原因，才能改变结果”。

Reference:

[1] RSIAgent: Autonomous Exploration for Recursive Self-Improvement in New Environments

Sibo Zhu†, Shicheng Fan†, Xinyue Wang†, Wenyi Wu, Kun Zhou*, Biwei Huang, 2026.

[2] Causal-Copilot: An Autonomous Causal Analysis Agent

 Xinyue Wang†, Kun Zhou†, Wenyi Wu†, Har Simrat Singh, Fang Nan, Songyao Jin, Aryan Philip, Saloni Patnaik, Hou Zhu, Shivam Singh, Parjanya Prashant, Qian Shen, Biwei Huang. 2025

[3] C-World: A Computer Use Agent Environment Creator

 Ziqiao Xi†, Shuang Liang†, Qi Liu, Jiaqing Zhang, Letian Peng, Fang Nan, Meshal Nayim, Tianhui Zhang, Rishika Mundada, Lianhui Qin, Biwei Huang, Kun Zhou*. 2026

[4] Auto-scaling Continuous Memory for GUI Agent

 Wenyi Wu, Kun Zhou*, Ruoxin Yuan, Vivian Yu, Stephen Wang, Zhiting Hu, Biwei Huang. 2025

[5] Hybrid Self-evolving Structured Memory for GUI Agents

 Sibo Zhu†, Wenyi Wu†, Kun Zhou*, Stephen Wang, Biwei Huang. 2026

[6] StructAgent: Harness Long-horizon Digital Agents with Unified Causal Structure

 Wenyi Wu, Sibo Zhu, Kun Zhou*, Aayush Salvi, Zixuan Song, Biwei Huang. 2026

© THE END

转载请联系本公众号获得授权

投稿或寻求报道：[email protected]

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：机器之心 《在多项高难度Benchmark超越GPT-6 Astra，RSIAgent让开源模型自主探索新环境》