10月12日，PhAI Labs发布技术报告《RSI-Anything: Unlocking Recursive Self-Improvement with World Models》，提出用世界模型预测行动后果、再结合真实反馈迭代策略与预测器的跨领域递归自我改进框架，延续其此前JEPA-Anything的通用预测学习路线。报告称在代码修复（CodeContests，固定ReasonFlux-Coder-7B，成功率26.3%→31.2%）、OSWorld图形界面任务（相对提升约18.4%）、LabHorizon实验室规划（4B策略模型五代迭代，21.80%→46.01%）和Suzuki–Miyaura化学反应优化（40次实验平均最佳产率96.15%，贝叶斯优化为82.16%）等任务上取得改进。研究还展示了在免疫科学中构建免疫世界模型并提出SIRPα抑制与IL-36γ轴调节的候选联合干预假设，该假设尚待实验验证。