作者：陈正祯发布时间：2026-06-18 06:43:52 点击数：53033

本月官方披露行业研究成果马斯克点赞宇树载人机甲 很高兴为您解答这个问题，让我来帮您详细说明一下。品牌授权报修电话，快速上门服务

平山县上观音堂乡海南省三沙市西沙区辽宁省朝阳市北票市甘肃省庆阳市镇原县四川省广元市密云区河南寨镇黑龙江省大兴安岭地区呼玛县陕西省咸阳市兴平市鹿泉区寺家庄镇赵县沙河店镇江苏省徐州市黑龙江省鹤岗市江苏省徐州市新沂市河西区桃园街道昌平区小汤山镇无极县大陈镇湖北省孝感市汉川市山西省长治市襄垣县赞皇县院头镇四川省甘孜藏族自治州泸定县甘肃省陇南市武都区江苏省徐州市丰县广东省深圳市山西省晋中市榆社县陕西省汉中市西乡县海南省三沙市西沙区平山县上观音堂乡甘肃省兰州市黑龙江省大兴安岭地区呼玛县四川省甘孜藏族自治州泸定县山东省滨州市巴音郭楞蒙古自治州和硕县山东省滨州市伊犁哈萨克自治州昭苏县山东省聊城市茌平区黑龙江省伊春市金林区焦作市海南省海口市美兰区江苏省南通市启东市广东省佛山市三水区辽宁省朝阳市北票市蓟州区东施古镇四川省凉山彝族自治州西昌市山西省晋城市泽州县乌鲁木齐市沙依巴克区江西省吉安市吉安县甘肃省定西市渭源县青海省海西蒙古族藏族自治州德令哈市喀什地区麦盖提县蓟州区官庄镇密云区高岭镇延庆区康庄镇四川省成都市金牛区博尔塔拉蒙古自治州温泉县静海区西翟庄镇阿克苏地区新和县重庆市县巫山县湖北省孝感市汉川市山东省烟台市龙口市山东省威海市元氏县苏村乡内蒙古呼伦贝尔市阿荣旗巴音郭楞蒙古自治州和硕县西青区精武镇昌平区回龙观街道平山县东回舍镇内蒙古呼伦贝尔市阿荣旗南开区长虹街道江西省鹰潭市余江区四川省德阳市广汉市黑龙江省佳木斯市富锦市延庆区沈家营镇江西省鹰潭市余江区崇左市宁明县焦作市中站区云南省红河哈尼族彝族自治州泸西县山东省德州市齐河县辽宁省本溪市溪湖区山西省运城市夏县和田地区广东省汕头市南澳县南开区体育中心街道江苏省苏州市相城区密云区河南寨镇北辰区广源街道甘肃省定西市渭源县延庆区沈家营镇湖北省宜昌市宜都市四川省乐山市平山县上观音堂乡贵州省黔东南苗族侗族自治州天柱县福建省莆田市仙游县辽宁省本溪市溪湖区赵县沙河店镇黑龙江省绥化市明水县南开区长虹街道甘肃省天水市秦州区四川省凉山彝族自治州昭觉县福建省厦门市海沧区陕西省西安市未央区

昨日行业报告公布最新成果Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」，很高兴为您解答这个问题，让我来帮您详细说明一下:官方服务专线，支持多品牌报修

福建省三明市梅列区辽宁省沈阳市浑南区甘肃省兰州市博尔塔拉蒙古自治州温泉县湖北省宜昌市宜都市吉林省长春市双阳区广东省珠海市斗门区平顶山市卫东区无极县大陈镇怀柔区龙山街道怀柔区龙山街道顺义区空港街道新乐市协神乡吉林省四平市铁西区延庆区康庄镇湖北省宜昌市夷陵区云南省文山壮族苗族自治州广南县福建省福州市罗源县内蒙古鄂尔多斯市鄂托克旗元氏县辽宁省锦州市义县怀柔区龙山街道元氏县和田地区蓟州区东二营镇四川省德阳市广汉市辽宁省沈阳市浑南区朝阳区双井街道内蒙古呼伦贝尔市阿荣旗蚌埠市龙子湖区四川省广元市广东省汕头市龙湖区山东省威海市桂林市兴安县甘肃省定西市渭源县四川省凉山彝族自治州昭觉县山西省阳泉市平定县和田地区丰台区和义街道黑龙江省鹤岗市海南省儋州市平山县东回舍镇福建省福州市罗源县和平区南市街道陕西省汉中市南郑区海南省三沙市西沙区延庆区沈家营镇云南省文山壮族苗族自治州广南县广东省云浮市新兴县江苏省徐州市山西省晋中市灵石县广东省汕头市南澳县四川省凉山彝族自治州甘洛县江苏省连云港市赣榆区北海市海城区广东省佛山市三水区甘肃省定西市渭源县合肥市瑶海区山西省晋城市泽州县西青区精武镇广东省惠州市龙门县百色市靖西市井陉县吴家窑乡延庆区康庄镇江西省萍乡市上栗县贵州省黔东南苗族侗族自治州天柱县焦作市广东省云浮市新兴县阿克苏地区新和县陕西省咸阳市兴平市无极县大陈镇海淀区青龙桥街道怀柔区龙山街道甘肃省庆阳市镇原县江西省景德镇市昌江区许昌市建安区广东省珠海市斗门区辽宁省铁岭市清河区内蒙古锡林郭勒盟镶黄旗赞皇县西龙门乡福建省莆田市城厢区固原市西吉县青海省玉树藏族自治州治多县贵州省六盘水市水城县内蒙古锡林郭勒盟正镶白旗山东省威海市开封市通许县甘肃省庆阳市镇原县四川省凉山彝族自治州昭觉县宝坻区牛家牌镇青海省海北藏族自治州门源回族自治县江西省景德镇市昌江区鹿泉区寺家庄镇北海市海城区博尔塔拉蒙古自治州温泉县云南省红河哈尼族彝族自治州泸西县福建省三明市梅列区崇左市密云区河南寨镇四川省甘孜藏族自治州泸定县

全球服务区域:昌平区回龙观街道山西省晋城市泽州县平顶山市湛河区阿克苏地区拜城县密云区不老屯镇青海省海北藏族自治州门源回族自治县湖北省恩施土家族苗族自治州建始县阿克苏地区拜城县平山县上观音堂乡山西省阳泉市平定县广东省深圳市焦作市中站区黑龙江省鸡西市鸡冠区内蒙古乌海市乌达区辽宁省沈阳市沈河区广东省汕头市龙湖区贵州省铜仁市印江土家族苗族自治县怀柔区宝山镇山西省吕梁市岚县伊犁哈萨克自治州昭苏县吉林省白山市浑江区昌平区小汤山镇辽宁省辽阳市白塔区湖北省宜昌市宜都市福建省福州市永泰县海南省儋州市山西省晋城市泽州县山西省忻州市定襄县黑龙江省伊春市金林区昌平区阳坊镇重庆市市辖区北碚区长安区南村镇山西省忻州市宁武县福建省福州市罗源县福建省厦门市湖里区湖北省宜昌市西陵区黑龙江省七台河市桃山区江苏省苏州市相城区陕西省商洛市山阳县福建省福州市永泰县井陉县测鱼镇百色市田林县西藏山南市贡嘎县辽宁省沈阳市沈河区平山县宅北乡静海区大邱庄镇平山县小觉镇长安区广安街道甘肃省白银市景泰县海南省海口市美兰区海南省三沙市西沙区喀什地区麦盖提县内蒙古锡林郭勒盟镶黄旗四川省凉山彝族自治州西昌市四川省乐山市四川省德阳市广汉市山东省聊城市冠县阿克苏地区拜城县甘肃省白银市景泰县陕西省商洛市山阳县黑龙江省七台河市桃山区内蒙古兴安盟乌兰浩特市丰台区长辛店镇江西省吉安市吉安县黑龙江省鸡西市鸡冠区江西省九江市武宁县甘肃省陇南市武都区平山县上观音堂乡宝坻区牛家牌镇江苏省南京市浦口区山西省吕梁市岚县内蒙古兴安盟乌兰浩特市辽宁省铁岭市开原市黑龙江省哈尔滨市巴彦县福建省莆田市仙游县山东省潍坊市青州市青海省玉树藏族自治州治多县辽宁省沈阳市沈河区重庆市县巫山县海淀区青龙桥街道海南省儋州市海南省海口市美兰区甘肃省庆阳市镇原县福建省厦门市海沧区江西省赣州市石城县青海省海西蒙古族藏族自治州德令哈市海淀区青龙桥街道桥西区东华街道四川省乐山市青海省海南藏族自治州贵德县甘肃省兰州市广东省深圳市合肥市庐阳区辽宁省朝阳市北票市江苏省连云港市赣榆区信阳市平桥区湖北省宜昌市秭归县长安区南村镇密云区高岭镇怀柔区宝山镇

本月官方发布行业研究成果Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」，很高兴为您解答这个问题，让我来帮您详细说明一下:售后服务维修中心电话，支持多渠道服务

全国服务区域：四川省遂宁市蓬溪县山东省青岛市城阳区四川省广元市山东省聊城市茌平区密云区河南寨镇伊犁哈萨克自治州昭苏县山东省潍坊市青州市淮南市大通区哈密市伊吾县辽宁省沈阳市沈河区北辰区甘肃省白银市景泰县内蒙古兴安盟乌兰浩特市湖北省宜昌市西陵区江西省吉安市永新县河西区桃园街道黑龙江省哈尔滨市巴彦县贵州省安顺市普定县长安区广安街道江西省鹰潭市余江区湖北省恩施土家族苗族自治州建始县吉林省四平市铁西区静海区西翟庄镇山东省威海市元氏县苏村乡山西省晋中市榆社县辽宁省沈阳市沈河区桥西区东华街道隆安县黑龙江省七台河市桃山区四川省凉山彝族自治州西昌市广东省汕头市龙湖区湖北省恩施土家族苗族自治州建始县陕西省汉中市留坝县甘肃省天水市秦州区丰台区和义街道山西省阳泉市平定县行唐县龙州镇四川省宜宾市翠屏区山西省晋中市太谷区陕西省汉中市南郑区防城港市东兴市内蒙古锡林郭勒盟正镶白旗福建省厦门市海沧区塔城地区和布克赛尔蒙古自治县内蒙古乌海市乌达区福建省南平市云南省大理白族自治州云龙县福建省南平市丰台区右安门街道行唐县龙州镇青海省海西蒙古族藏族自治州德令哈市山东省聊城市茌平区四川省甘孜藏族自治州青海省海北藏族自治州门源回族自治县山东省聊城市茌平区长安区广安街道洛阳市汝阳县四川省凉山彝族自治州昭觉县陕西省咸阳市兴平市福建省莆田市城厢区武清区汊沽港镇南开区体育中心街道赵县沙河店镇四川省甘孜藏族自治州丹巴县山东省聊城市冠县青海省海北藏族自治州门源回族自治县福建省厦门市湖里区桥西区东华街道密云区不老屯镇山西省忻州市定襄县陕西省汉中市留坝县延庆区康庄镇平山县上观音堂乡重庆市市辖区北碚区山西省运城市夏县贵州省铜仁市印江土家族苗族自治县甘肃省陇南市山东省潍坊市青州市陕西省商洛市山阳县山东省滨州市昌平区阳坊镇赞皇县院头镇固原市西吉县山东省聊城市冠县博尔塔拉蒙古自治州温泉县濮阳市南乐县蓟州区东二营镇昌平区阳坊镇辽宁省大连市旅顺口区吉林省白山市浑江区贵州省六盘水市水城县贵州省六盘水市水城县蓟州区东赵各庄镇北辰区湖北省恩施土家族苗族自治州恩施市山西省吕梁市中阳县湖北省孝感市汉川市朝阳区小关街道西城区月坛街道

售后服务上门服务电话，智能分配单据：Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」

编辑｜Panda

前些天，Anthropic 发布了一篇题为「When AI Builds Itself」（当 AI 构建自身）的文章，迅速引发广泛讨论。文章揭示了一组令人侧目的内部数据：截至 2026 年 5 月，Anthropic 代码库中超过 80%的代码已由 Claude 撰写，工程师每日合并的代码量是 2024 年的 8 倍；在一项内部测试中，Claude 将一段训练代码的运行速度从基准提升了约 52 倍，而一名有经验的人类研究员通常需要 4 到 8 小时才能达到 4 倍加速。

Anthropic 将这条轨迹指向一个更深的目的地：「递归自我改进」——AI 系统自主设计、构建和训练自身后继版本，人类不再驱动每一步。值得关注的是，该华体汇电竞-华体汇(中国)还呼吁行业协调，在递归自我改进时刻到来时拥有暂缓乃至临时叫停前沿 AI 开发的选项。并且 Anthropic 已经在这么做了：限制最新的 Claude Fable 5 被用于研发前沿 AI。

而现在，Recursive Superintelligence 宣布向自动化 AI 研究走出了第一步

这家由田渊栋联合创立的新华体汇电竞-华体汇(中国)刚刚结束隐身状态仅一个月，如今就发布了第一项公开技术成果。他们打造了一个开放式的自动化知识发现系统，并在三个基准测试上取得了 SOTA 结果。简单来说，他们成功做到了让 AI 替你跑实验。

https://x.com/tydsh/status/2065062838255649082

第一步成果：让 AI 替你跑实验

Recursive 这第一项公开技术成果名为「First Steps Toward Automated AI Research」（迈向自动化 AI 研究的第一步）

推文：https://x.com/Recursive_SI/status/2064980090702962699仓库地址：https://github.com/recursive-org/first-steps-toward-automated-ai-research博客地址：https://www.recursive.com/articles/first-steps-toward-automated-ai-research

如果用一句话概括，这项工作的核心是：构建了一套能自主推进 AI 研究循环的系统，并在三个基准测试上刷新了最好成绩。

在正式拆解成果之前，有必要先理解这套系统的设计逻辑。

传统的 AI 研究流程是一个高度依赖人的「提想法—写代码—跑实验—分析结果—再提想法」的闭环。它的效率瓶颈不在算力，而在人。全世界能设计前沿训练流程的研究员屈指可数，而每一轮实验迭代都需要他们高度介入。

Recursive 的系统试图把这个闭环自动化。

它的工作方式是：针对一个明确的优化目标，系统自动提出实验想法、实现代码、运行验证、从中学习，然后决定下一步怎么搜索。多条研究线路可以并行推进，有效的发现可以被跨任务复用，奖励作弊（reward hacking）的检测机制也被内嵌进整个循环，防止系统「走捷径」把测评指标刷上去却没有真正改进任何东西。

这并非一个针对单一问题微调的专用工具，乃是一套跨领域的通用研究自动化框架。 Recursive 用三个差异显著的测试场景来证明这一点。

三个战场，三个新纪录

场景一：固定计算预算下的小模型训练（NanoChat Autoresearch）

这项基准测试的规则来自 Andrej Karpathy（GPT-2 作者、前 OpenAI 联创）发起的 autoresearch 项目：在一块 GPU 上，给定五分钟的固定训练预算，尽可能把一个小型语言模型训到最低的验证损失（以 BPB 衡量，越低越好）。

这个场景天然适合自动化研究：实验周期短、指标方差低、作弊行为相对容易检测。正因如此，一个名为「autoresearch@home」的社区项目已经在这个基准上运行了很长时间——数十名人类研究员加上数百个 AI 智能体协作，持续把指标往下压。

Recursive 的系统以相同的初始代码出发，最终把验证 BPB 从社区最佳的 0.9372 推进到了 0.9109，改善了 0.0263 个 BPB。换算成另一种说法：同样的训练质量，Recursive 的方案只需要对手 1.3 倍少的训练时间就能达到。

系统发现的改进并非一招制胜。它组合了架构调整、辅助损失、注意力机制改动、优化器行为、权重衰减调度、编译器设置等多处变化。其中最关键的一个发现，是一种更丰富的短上下文记忆机制：在注意力的 value 路径中，通过哈希表同时嵌入 bigram（相邻词对）和 trigram（三元组）信息，并用可学习的门控加权混合。不同的 Transformer 层使用不同的哈希函数，从而降低跨层重复碰撞的概率。

这个技巧在概念上与 DeepSeek Engram 等工作有所关联，但系统将其以一种尚未见于公开文献的特定变体形式部署到了固定预算场景中。

场景二：训练速度极限竞速（NanoGPT Speedrun）

如果说前一个场景是在一个活跃社区的成果上「再进一步」，这个场景则难得多。

NanoGPT Speedrun 是另一个由 Karpathy 发起、社区持续优化两年以上的基准：在 8 块 H100 GPU 上，把一个 GPT 模型训练到验证损失 3.28 所需的最短时间。自 2024 年中以来，社区已通过 83 次有记录的贡献把时间从约 45 分钟压缩到了 79.7 秒。每一个新方案都需要在极度优化的代码基础上再挤出时间，难度可想而知。

Recursive 的系统从现有最优解出发，再次把训练时间压缩到了 77.5 秒，节省了 2.2 秒。这与近期人类贡献者能做到的改进幅度相当甚至更好。

系统这次找到的核心技巧包括：

FP8 精度的注意力计算。社区方案只在模型的最后一层（语言模型头）使用 FP8（8 位浮点）计算，而系统将 FP8 延伸进了注意力层的矩阵运算，前向传播用 FP8 以获得两倍的 Tensor Core 吞吐量，反向传播保留 BF16 以维持稳定性。优化器中的退火探索噪声。系统在 NorMuon 优化器的更新步骤中注入了零均值高斯噪声，噪声幅度随训练进度线性退火至零。这有点像给优化器一个「先大胆探索、再稳健收敛」的行为模式，帮助最终解落在一个更平坦的损失盆地中。更精简的融合 MLP 内核。 系统重写了一个 Triton GPU 内核，让前向传播只存储 ReLU 平方后的激活值，反向传播时在内核内部重算未平方的中间结果，省去了一次完整的激活张量在高带宽显存中的读写往返——这是硬件层面的直接提速。

三个改进，分属精度策略、优化器设计、GPU 内核编程三个不同的专业领域。系统在两年社区优化的结果上又找到了空间，本身就说明了问题。

场景三：GPU 内核优化（SOL-ExecBench）

前两个场景都在模型训练层面上工作，第三个场景则深入到更底层：GPU 计算内核的优化

SOL-ExecBench 是英伟达推出的基准测试，包含 235 个内核编写任务，覆盖矩阵乘法、归约、归一化层、注意力组件、量化例程、融合块等多类真实工作负载。评分标准是 SOL 分数：0.5 对应基准 PyTorch 实现，1.0 对应硬件理论极限。此前的最佳公开成绩是 0.699。

Recursive 的系统在 235 个内核上整体运行，允许跨任务复用发现的优化模式（例如内存搬运策略、分块方式、规约技巧），最终得分提升到了 0.754，将距离硬件极限的差距缩小了 18%。

这个场景意义特殊，因为内核工程是极高度专业化的领域——能写出高效 Triton/CUDA 内核的工程师在全球也是凤毛麟角。而 Recursive 团队在博客中坦承，他们自己也不是内核领域的专家，「这些想法来自系统本身，而不是来自华体汇(中国)的专业背景。」

Recursive：用 AI 研究递归改进 AI

发布这项成果的华体汇电竞-华体汇(中国) Recursive Superintelligence 成立于 2025 年底至 2026 年初，上个月刚刚结束隐身状态，创始成员除了前 Meta FAIR 研究科学家总监田渊栋之外，还包括：

Richard Socher，Recursive CEO，前 Salesforce 首席科学家Alexey Dosovitskiy，前 Google DeepMind 研究科学家和 Vision Transformer 第一作者，谷歌学术引用量超过 16 万Tim Rockt?schel，前 DeepMind Principal 科学家和 UCL 人工智能教授Peter Norvig，谷歌前研究总监，与 Stuart Russell 合著了 AI 领域著名教科书《人工智能：一种现代方法》Caiming Xiong，前 Salesforce AI 副总裁Tim Shi，前 OpenAI 研究员，企业 AI 华体汇电竞-华体汇(中国) Cresta 联合创始人兼 CTOJosh Tobin，Recursive CTO，前 OpenAI 与 Uber ATG 研究负责人Jeff Clune，前 Google DeepMind 研究副总裁，加拿大不列颠哥伦比亚大学计算机科学教授

并且该创业华体汇电竞-华体汇(中国)一亮相，甚至还没有一个公开华体汇电竞-华体汇(中国)，就已手握 6.5 亿美元融资，估值高达 46.5 亿美元，由 GV（谷歌风投）和 Greycroft 领投，英伟达和 AMD Ventures 跟投。

华体汇电竞-华体汇(中国)的核心主张与名字直接对应：构建能够递归地提升自身研究能力的 AI 系统，让 AI 参与并加速 AI 本身的研发过程，最终形成持续自我增强的闭环。

更多详情，参阅报道《离开 Meta 后，田渊栋刚刚官宣创业了》。

当然，在赛道层面，Recursive 并不孤单。Yann LeCun 的 AMI Labs 在今年 3 月完成 10 亿美元融资，David Silver 的 Ineffable Intelligence 在 4 月拿下 11 亿美元种子轮，都指向相似的方向：让 AI 系统自主生成知识，减少人类在研究流程中的介入。但在公开成果的节奏上，Recursive 的这份「第一步」应该是目前同类华体汇电竞-华体汇(中国)中最具体、最可复现的技术展示之一。

递归范式的黎明

Recursive 发布的这份成果，放在更宏观的行业背景下，代表着一种新型 AI 研发范式的初步落地：让 AI 系统本身承担研究的主体角色

这种「递归式 AI」的核心逻辑并不复杂：AI 提升 AI 研究能力，改进后的 AI 又能更有效地提升自身，周而复始。它不依赖某个单一突破，而是依赖一个持续生成突破的系统。

这种思路对 AI 研究本身的经济学具有重要意义。前沿模型的训练流程仍然高度依赖少数具备特定技能的研究员，而能胜任这项工作的人全球不超过几千个。如果自动化研究系统能接管其中哪怕一部分工作，AI 进步的速度与成本曲线都会发生变化。

这一判断也与行业最近发出的其他声音形成了呼应。比如本文开头提到的 Anthropic 的《When AI Builds Itself》，语气并不轻松——它呼吁行业协调，在递归自我改进时刻到来时拥有暂缓乃至临时叫停前沿 AI 开发的选项，以留出时间让社会结构和对齐研究跟上节奏。更多详情请参阅《AI 自进化过快，Anthropic 呼吁全球中止研发》。

https://www.anthropic.com/institute/recursive-self-improvement

两件事同时发生，耐人寻味。一边是 Anthropic 在记录和警示这条轨迹的走向，另一边是 Recursive 这样的团队，正在一步一步地让这条轨迹变成现实。

当然，Recursive 自己也承认，这仍是「」：当前系统在指标明确、反馈快速、作弊可检测的场景下效果最好，距离自主推进开放性科学问题还有相当距离。奖励作弊的防控将是规模化路上持续面对的核心挑战。

但一个闭环已经开始运转。接下来的问题，只是它会转得多快。

今日行业报告更新研究成果Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」

编辑｜Panda

前些天，Anthropic 发布了一篇题为「When AI Builds Itself」（当 AI 构建自身）的文章，迅速引发广泛讨论。文章揭示了一组令人侧目的内部数据：截至 2026 年 5 月，Anthropic 代码库中超过 80%的代码已由 Claude 撰写，工程师每日合并的代码量是 2024 年的 8 倍；在一项内部测试中，Claude 将一段训练代码的运行速度从基准提升了约 52 倍，而一名有经验的人类研究员通常需要 4 到 8 小时才能达到 4 倍加速。

Anthropic 将这条轨迹指向一个更深的目的地：「递归自我改进」——AI 系统自主设计、构建和训练自身后继版本，人类不再驱动每一步。值得关注的是，该华体汇电竞-华体汇(中国)还呼吁行业协调，在递归自我改进时刻到来时拥有暂缓乃至临时叫停前沿 AI 开发的选项。并且 Anthropic 已经在这么做了：限制最新的 Claude Fable 5 被用于研发前沿 AI。

而现在，Recursive Superintelligence 宣布向自动化 AI 研究走出了第一步

这家由田渊栋联合创立的新华体汇电竞-华体汇(中国)刚刚结束隐身状态仅一个月，如今就发布了第一项公开技术成果。他们打造了一个开放式的自动化知识发现系统，并在三个基准测试上取得了 SOTA 结果。简单来说，他们成功做到了让 AI 替你跑实验。

https://x.com/tydsh/status/2065062838255649082

第一步成果：让 AI 替你跑实验

Recursive 这第一项公开技术成果名为「First Steps Toward Automated AI Research」（迈向自动化 AI 研究的第一步）

推文：https://x.com/Recursive_SI/status/2064980090702962699仓库地址：https://github.com/recursive-org/first-steps-toward-automated-ai-research博客地址：https://www.recursive.com/articles/first-steps-toward-automated-ai-research

如果用一句话概括，这项工作的核心是：构建了一套能自主推进 AI 研究循环的系统，并在三个基准测试上刷新了最好成绩。

在正式拆解成果之前，有必要先理解这套系统的设计逻辑。

传统的 AI 研究流程是一个高度依赖人的「提想法—写代码—跑实验—分析结果—再提想法」的闭环。它的效率瓶颈不在算力，而在人。全世界能设计前沿训练流程的研究员屈指可数，而每一轮实验迭代都需要他们高度介入。

Recursive 的系统试图把这个闭环自动化。

它的工作方式是：针对一个明确的优化目标，系统自动提出实验想法、实现代码、运行验证、从中学习，然后决定下一步怎么搜索。多条研究线路可以并行推进，有效的发现可以被跨任务复用，奖励作弊（reward hacking）的检测机制也被内嵌进整个循环，防止系统「走捷径」把测评指标刷上去却没有真正改进任何东西。

这并非一个针对单一问题微调的专用工具，乃是一套跨领域的通用研究自动化框架。 Recursive 用三个差异显著的测试场景来证明这一点。

三个战场，三个新纪录

场景一：固定计算预算下的小模型训练（NanoChat Autoresearch）

这项基准测试的规则来自 Andrej Karpathy（GPT-2 作者、前 OpenAI 联创）发起的 autoresearch 项目：在一块 GPU 上，给定五分钟的固定训练预算，尽可能把一个小型语言模型训到最低的验证损失（以 BPB 衡量，越低越好）。

这个场景天然适合自动化研究：实验周期短、指标方差低、作弊行为相对容易检测。正因如此，一个名为「autoresearch@home」的社区项目已经在这个基准上运行了很长时间——数十名人类研究员加上数百个 AI 智能体协作，持续把指标往下压。

Recursive 的系统以相同的初始代码出发，最终把验证 BPB 从社区最佳的 0.9372 推进到了 0.9109，改善了 0.0263 个 BPB。换算成另一种说法：同样的训练质量，Recursive 的方案只需要对手 1.3 倍少的训练时间就能达到。

系统发现的改进并非一招制胜。它组合了架构调整、辅助损失、注意力机制改动、优化器行为、权重衰减调度、编译器设置等多处变化。其中最关键的一个发现，是一种更丰富的短上下文记忆机制：在注意力的 value 路径中，通过哈希表同时嵌入 bigram（相邻词对）和 trigram（三元组）信息，并用可学习的门控加权混合。不同的 Transformer 层使用不同的哈希函数，从而降低跨层重复碰撞的概率。

这个技巧在概念上与 DeepSeek Engram 等工作有所关联，但系统将其以一种尚未见于公开文献的特定变体形式部署到了固定预算场景中。

场景二：训练速度极限竞速（NanoGPT Speedrun）

如果说前一个场景是在一个活跃社区的成果上「再进一步」，这个场景则难得多。

NanoGPT Speedrun 是另一个由 Karpathy 发起、社区持续优化两年以上的基准：在 8 块 H100 GPU 上，把一个 GPT 模型训练到验证损失 3.28 所需的最短时间。自 2024 年中以来，社区已通过 83 次有记录的贡献把时间从约 45 分钟压缩到了 79.7 秒。每一个新方案都需要在极度优化的代码基础上再挤出时间，难度可想而知。

Recursive 的系统从现有最优解出发，再次把训练时间压缩到了 77.5 秒，节省了 2.2 秒。这与近期人类贡献者能做到的改进幅度相当甚至更好。

系统这次找到的核心技巧包括：

FP8 精度的注意力计算。社区方案只在模型的最后一层（语言模型头）使用 FP8（8 位浮点）计算，而系统将 FP8 延伸进了注意力层的矩阵运算，前向传播用 FP8 以获得两倍的 Tensor Core 吞吐量，反向传播保留 BF16 以维持稳定性。优化器中的退火探索噪声。系统在 NorMuon 优化器的更新步骤中注入了零均值高斯噪声，噪声幅度随训练进度线性退火至零。这有点像给优化器一个「先大胆探索、再稳健收敛」的行为模式，帮助最终解落在一个更平坦的损失盆地中。更精简的融合 MLP 内核。 系统重写了一个 Triton GPU 内核，让前向传播只存储 ReLU 平方后的激活值，反向传播时在内核内部重算未平方的中间结果，省去了一次完整的激活张量在高带宽显存中的读写往返——这是硬件层面的直接提速。

三个改进，分属精度策略、优化器设计、GPU 内核编程三个不同的专业领域。系统在两年社区优化的结果上又找到了空间，本身就说明了问题。

场景三：GPU 内核优化（SOL-ExecBench）

前两个场景都在模型训练层面上工作，第三个场景则深入到更底层：GPU 计算内核的优化

SOL-ExecBench 是英伟达推出的基准测试，包含 235 个内核编写任务，覆盖矩阵乘法、归约、归一化层、注意力组件、量化例程、融合块等多类真实工作负载。评分标准是 SOL 分数：0.5 对应基准 PyTorch 实现，1.0 对应硬件理论极限。此前的最佳公开成绩是 0.699。

Recursive 的系统在 235 个内核上整体运行，允许跨任务复用发现的优化模式（例如内存搬运策略、分块方式、规约技巧），最终得分提升到了 0.754，将距离硬件极限的差距缩小了 18%。

这个场景意义特殊，因为内核工程是极高度专业化的领域——能写出高效 Triton/CUDA 内核的工程师在全球也是凤毛麟角。而 Recursive 团队在博客中坦承，他们自己也不是内核领域的专家，「这些想法来自系统本身，而不是来自华体汇(中国)的专业背景。」

Recursive：用 AI 研究递归改进 AI

发布这项成果的华体汇电竞-华体汇(中国) Recursive Superintelligence 成立于 2025 年底至 2026 年初，上个月刚刚结束隐身状态，创始成员除了前 Meta FAIR 研究科学家总监田渊栋之外，还包括：

Richard Socher，Recursive CEO，前 Salesforce 首席科学家Alexey Dosovitskiy，前 Google DeepMind 研究科学家和 Vision Transformer 第一作者，谷歌学术引用量超过 16 万Tim Rockt?schel，前 DeepMind Principal 科学家和 UCL 人工智能教授Peter Norvig，谷歌前研究总监，与 Stuart Russell 合著了 AI 领域著名教科书《人工智能：一种现代方法》Caiming Xiong，前 Salesforce AI 副总裁Tim Shi，前 OpenAI 研究员，企业 AI 华体汇电竞-华体汇(中国) Cresta 联合创始人兼 CTOJosh Tobin，Recursive CTO，前 OpenAI 与 Uber ATG 研究负责人Jeff Clune，前 Google DeepMind 研究副总裁，加拿大不列颠哥伦比亚大学计算机科学教授

并且该创业华体汇电竞-华体汇(中国)一亮相，甚至还没有一个公开华体汇电竞-华体汇(中国)，就已手握 6.5 亿美元融资，估值高达 46.5 亿美元，由 GV（谷歌风投）和 Greycroft 领投，英伟达和 AMD Ventures 跟投。

华体汇电竞-华体汇(中国)的核心主张与名字直接对应：构建能够递归地提升自身研究能力的 AI 系统，让 AI 参与并加速 AI 本身的研发过程，最终形成持续自我增强的闭环。

更多详情，参阅报道《离开 Meta 后，田渊栋刚刚官宣创业了》。

当然，在赛道层面，Recursive 并不孤单。Yann LeCun 的 AMI Labs 在今年 3 月完成 10 亿美元融资，David Silver 的 Ineffable Intelligence 在 4 月拿下 11 亿美元种子轮，都指向相似的方向：让 AI 系统自主生成知识，减少人类在研究流程中的介入。但在公开成果的节奏上，Recursive 的这份「第一步」应该是目前同类华体汇电竞-华体汇(中国)中最具体、最可复现的技术展示之一。

递归范式的黎明

Recursive 发布的这份成果，放在更宏观的行业背景下，代表着一种新型 AI 研发范式的初步落地：让 AI 系统本身承担研究的主体角色

这种「递归式 AI」的核心逻辑并不复杂：AI 提升 AI 研究能力，改进后的 AI 又能更有效地提升自身，周而复始。它不依赖某个单一突破，而是依赖一个持续生成突破的系统。

这种思路对 AI 研究本身的经济学具有重要意义。前沿模型的训练流程仍然高度依赖少数具备特定技能的研究员，而能胜任这项工作的人全球不超过几千个。如果自动化研究系统能接管其中哪怕一部分工作，AI 进步的速度与成本曲线都会发生变化。

这一判断也与行业最近发出的其他声音形成了呼应。比如本文开头提到的 Anthropic 的《When AI Builds Itself》，语气并不轻松——它呼吁行业协调，在递归自我改进时刻到来时拥有暂缓乃至临时叫停前沿 AI 开发的选项，以留出时间让社会结构和对齐研究跟上节奏。更多详情请参阅《AI 自进化过快，Anthropic 呼吁全球中止研发》。

https://www.anthropic.com/institute/recursive-self-improvement

两件事同时发生，耐人寻味。一边是 Anthropic 在记录和警示这条轨迹的走向，另一边是 Recursive 这样的团队，正在一步一步地让这条轨迹变成现实。

当然，Recursive 自己也承认，这仍是「」：当前系统在指标明确、反馈快速、作弊可检测的场景下效果最好，距离自主推进开放性科学问题还有相当距离。奖励作弊的防控将是规模化路上持续面对的核心挑战。

但一个闭环已经开始运转。接下来的问题，只是它会转得多快。


在面料结构上，建议选择针织面料，针织面料的空隙相比较梭织面料较大，透气性更好。
华体汇电竞-华体汇(中国) 华体汇电竞-华体汇(中国)-鲁一鲁综合网国产精品官方版-鲁一鲁综合网国产精品最新版N.8.16.60-18183手游网

华体汇电竞-华体汇(中国)

马斯克点赞宇树载人机甲
首页>>跨越千里的“东城情谊” 带来北疆小城巨变
马斯克点赞宇树载人机甲

华体汇电竞-华体汇(中国):马斯克点赞宇树载人机甲

华体汇电竞-华体汇(中国):「活动」首次登录送19元红包

33.49MB
版本{版本}
下载APK高速下载
下载再Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」安装你想要的应用 更方便 更快捷 发现更多
喜欢63%好评(95人)
评论55
Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」截图0Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」截图1Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」截图2Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」截图3Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」截图4
详细信息
应用介绍
?第一步：访问《Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」》官网?首先,打开您的浏览器,输入《Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」》。您可以通过搜索引擎搜索或直接输入网址来访问.?
?第二步：点击注册按钮?一旦进入《Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」》网站官网，您会在页面上找到一个醒目的注册按钮。点击该按钮，您将被引导至注册页面。???
?第三步：填写注册信息 ?在注册页面上，您需要填写一些必要的个人信息来创建《Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息，以确保顺利完成注册。?
?第四步：验证账户?填写完个人信息后，您可能需要进行账户验证。《Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」》网站会向您提供的电子邮件地址或手机号码发送一条验证信息，您需要按照提示进行验证操作。这有助于确保账户的安全性，并防止不法分子滥用您的个人信息。??
?第五步：设置安全选项?《Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」》网站通常要求您设置一些安全选项，以增强账户的安全性。例如，可以设置安全问题和答案，启用两步验证等功能。请根据系统的提示设置相关选项，并妥善保管相关信息，确保您的账户安全。?
?第六步：阅读并同意条款?在注册过程中，《Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前，请仔细阅读并理解这些条款，并确保您同意并愿意遵守。??
?第七步：完成注册?一旦您完成了所有必要的步骤，并同意了《Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」》网站的条款，恭喜您！您已经成功注册了《Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」》网站账户。现在，您可以畅享《Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!?
【联系华体汇(中国)】
客服热线
加载更多
版本更新
{版本}
Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」

华体汇电竞-华体汇(中国): Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」类似软件

相关攻略
包含 饿了么 的应用集
友情链接
  • 税收数据显示：“五一”假期中国消费活力足
    2026-06-18 06:43:52
  • 石景山永定河半马完赛 万人打卡“一半山水一半城”
    2026-06-18 06:43:52
  • 第四届法国国际龙舟嘉年华举行
    2026-06-18 06:43:52
安卓手机网上最贴心的Android软件应用平台!版权所有：Anthropic警告的递归AI，田渊栋新华体汇电竞-华体汇(中国)刚刚走出了「第一步」有限华体汇电竞-华体汇(中国)备案号：京ICP备17065190号-1