作者：张坚凤发布时间：2026-06-13 13:24:26 点击数：45173

本月行业协会发布重要信息古特雷斯强烈谴责以色列 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

山东省滨州市辽宁省铁岭市开原市崇左市宁明县开封市通许县延庆区康庄镇山西省长治市襄垣县怀柔区宝山镇静海区西翟庄镇博尔塔拉蒙古自治州温泉县辽宁省锦州市义县朝阳区管庄地区云南省丽江市宁蒗彝族自治县辽宁省铁岭市开原市朝阳区小红门地区广东省惠州市龙门县黑龙江省七台河市桃山区黑龙江省七台河市桃山区黑龙江省大兴安岭地区呼玛县焦作市吉林省长春市双阳区怀柔区宝山镇桂林市兴安县静海区西翟庄镇黑龙江省七台河市桃山区防城港市东兴市山东省威海市合肥市瑶海区广东省汕头市南澳县南开区体育中心街道辽宁省锦州市义县四川省凉山彝族自治州昭觉县山西省忻州市定襄县丰台区长辛店镇蓟州区东施古镇焦作市中站区喀什地区叶城县陕西省汉中市西乡县黑龙江省绥化市明水县河东区大直沽街道平山县上观音堂乡怀柔区宝山镇朝阳区管庄地区江苏省徐州市丰县江西省鹰潭市余江区四川省泸州市江阳区内蒙古鄂尔多斯市鄂托克旗黑龙江省哈尔滨市巴彦县江苏省徐州市丰县辽宁省大连市旅顺口区山东省青岛市城阳区陕西省汉中市西乡县内蒙古兴安盟乌兰浩特市北辰区福建省南平市云南省怒江傈僳族自治州福贡县蓟州区东二营镇广东省佛山市三水区湖北省孝感市汉川市丰台区长辛店镇福建省厦门市海沧区崇左市宁明县湖北省宜昌市夷陵区山西省晋城市泽州县四川省德阳市广汉市平山县东回舍镇黑龙江省七台河市桃山区延庆区沈家营镇伊犁哈萨克自治州昭苏县怀柔区雁栖地区丰台区宛平城地区甘肃省定西市渭源县重庆市县巫山县昌平区小汤山镇密云区高岭镇青海省果洛藏族自治州昌平区回龙观街道西藏阿里地区日土县密云区河南寨镇平山县上观音堂乡辽宁省沈阳市山东省东营市垦利区辽宁省辽阳市白塔区山东省枣庄市台儿庄区黑龙江省佳木斯市富锦市黑龙江省佳木斯市富锦市黑龙江省佳木斯市汤原县静海区大邱庄镇平山县东回舍镇江西省宜春市宜丰县黑龙江省哈尔滨市巴彦县黑龙江省伊春市金林区山东省青岛市城阳区辽宁省沈阳市沈河区朝阳区小红门地区四川省宜宾市江安县辽宁省朝阳市北票市云南省红河哈尼族彝族自治州泸西县许昌市建安区山西省吕梁市中阳县四川省广元市

本月行业协会发布重要信息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

湖北省恩施土家族苗族自治州恩施市四川省德阳市广汉市广东省汕头市南澳县陕西省宝鸡市眉县辽宁省辽阳市白塔区开封市通许县黑龙江省哈尔滨市巴彦县山东省德州市齐河县福建省福州市罗源县西藏拉萨市达孜区广东省汕头市龙湖区山西省吕梁市中阳县广东省汕头市南澳县山西省长治市襄垣县黑龙江省哈尔滨市巴彦县朝阳区小关街道四川省德阳市广汉市南阳市内乡县甘肃省定西市渭源县江苏省徐州市新沂市许昌市建安区山东省滨州市丰台区和义街道山西省运城市夏县山西省晋城市泽州县宝坻区牛家牌镇四川省广元市广东省佛山市三水区江苏省徐州市黑龙江省绥化市明水县四川省甘孜藏族自治州丹巴县鹿泉区寺家庄镇辽宁省沈阳市浑南区甘肃省白银市景泰县山西省吕梁市岚县蚌埠市龙子湖区广东省云浮市新兴县银川市贺兰县延庆区康庄镇内蒙古呼伦贝尔市阿荣旗朝阳区小关街道平顶山市卫东区云南省红河哈尼族彝族自治州绿春县辽宁省铁岭市清河区江西省宜春市奉新县开封市通许县西城区月坛街道辽宁省铁岭市清河区广东省珠海市斗门区昌平区阳坊镇平顶山市湛河区西藏山南市贡嘎县亳州市利辛县长安区广安街道山西省运城市夏县山西省晋中市灵石县山东省青岛市城阳区陕西省宝鸡市千阳县北海市海城区甘肃省兰州市广东省江门市江西省吉安市吉安县昌平区回龙观街道山西省吕梁市中阳县重庆市县巫山县上海市市辖区嘉定区平山县宅北乡黑龙江省绥化市明水县湖北省宜昌市秭归县黑龙江省绥化市明水县湖北省襄阳市襄州区淮南市大通区平山县上观音堂乡山东省东营市垦利区陕西省西安市未央区崇左市桥西区苑东街道湖北省宜昌市宜都市焦作市中站区山西省吕梁市中阳县昌平区阳坊镇广东省云浮市新兴县四川省广元市山东省泰安市泰山区怀柔区龙山街道重庆市市辖区北碚区江西省赣州市石城县福建省福州市罗源县青海省海南藏族自治州贵德县赞皇县西龙门乡辽宁省大连市旅顺口区元氏县殷村镇甘肃省天水市秦州区山东省泰安市泰山区广东省广州市越秀区山东省淄博市临淄区山东省德州市齐河县亳州市利辛县江西省吉安市永新县海淀区青龙桥街道

全球服务区域:蚌埠市龙子湖区山东省德州市齐河县元氏县苏村乡四川省甘孜藏族自治州蚌埠市龙子湖区平顶山市湛河区山东省威海市吉林省长春市双阳区黑龙江省七台河市桃山区湖北省宜昌市西陵区陕西省宝鸡市千阳县朝阳区豆各庄地区平山县宅北乡阿克苏地区新和县河东区大直沽街道山东省德州市齐河县焦作市中站区广东省江门市广东省云浮市新兴县崇左市延庆区康庄镇云南省大理白族自治州云龙县百色市靖西市长安区南村镇江苏省徐州市丰县大兴区贵州省铜仁市玉屏侗族自治县四川省甘孜藏族自治州朝阳区小红门地区海南省海口市美兰区山西省运城市夏县长安区南村镇陕西省汉中市南郑区西乡塘区湖北省恩施土家族苗族自治州恩施市江西省宜春市宜丰县广东省江门市丰台区宛平城地区云南省大理白族自治州云龙县宝坻区牛家牌镇银川市贺兰县山西省长治市襄垣县河东区大直沽街道四川省宜宾市江安县贵州省黔东南苗族侗族自治州天柱县河东区东新街道密云区不老屯镇广东省汕头市龙湖区甘肃省天水市秦州区西城区月坛街道密云区不老屯镇丰台区右安门街道甘肃省庆阳市镇原县山西省晋中市太谷区山东省烟台市牟平区辽宁省沈阳市内蒙古兴安盟乌兰浩特市内蒙古锡林郭勒盟正镶白旗丰台区右安门街道银川市贺兰县四川省德阳市广汉市黑龙江省大兴安岭地区呼玛县山西省吕梁市中阳县山西省吕梁市岚县黑龙江省鸡西市鸡冠区平山县岗南镇蓟州区东施古镇武清区汊沽港镇宝坻区牛家牌镇黑龙江省鸡西市鸡冠区蓟州区官庄镇广东省惠州市龙门县桥西区留营街道广东省江门市山西省临汾市安泽县密云区高岭镇山西省晋中市太谷区四川省泸州市江阳区黑龙江省哈尔滨市巴彦县江苏省连云港市赣榆区延庆区康庄镇平山县东回舍镇云南省文山壮族苗族自治州广南县山西省长治市襄垣县山西省吕梁市岚县塔城地区和布克赛尔蒙古自治县四川省泸州市江阳区西藏拉萨市达孜区朝阳区酒仙桥街道内蒙古鄂尔多斯市鄂托克旗甘肃省庆阳市镇原县云南省普洱市景东彝族自治县朝阳区小关街道重庆市市辖区北碚区内蒙古呼伦贝尔市阿荣旗元氏县朝阳区酒仙桥街道密云区河南寨镇四川省广安市岳池县山西省晋中市灵石县

近日行业报告公布新成果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:售后服务维修中心电话，支持多渠道服务

全国服务区域：辽宁省辽阳市白塔区武清区汊沽港镇青秀区贵州省黔南布依族苗族自治州惠水县江西省吉安市吉安县山西省吕梁市岚县濮阳市南乐县山东省德州市齐河县赞皇县西龙门乡银川市贺兰县昌平区回龙观街道福建省厦门市海沧区四川省凉山彝族自治州西昌市元氏县殷村镇伊犁哈萨克自治州昭苏县平山县上观音堂乡辽宁省朝阳市北票市云南省文山壮族苗族自治州广南县阿克苏地区新和县湖北省孝感市汉川市平山县小觉镇门头沟区大峪街道伊犁哈萨克自治州昭苏县山西省忻州市定襄县山西省阳泉市平定县蚌埠市龙子湖区陕西省商洛市山阳县武清区汊沽港镇长安区南村镇山西省吕梁市岚县河东区大直沽街道蓟州区东施古镇甘肃省兰州市朝阳区小红门地区平山县上观音堂乡怀柔区龙山街道辽宁省沈阳市西乡塘区河西区桃园街道四川省泸州市江阳区湖北省孝感市汉川市黑龙江省伊春市金林区湖北省宜昌市宜都市湖北省宜昌市宜都市江苏省南通市启东市山东省威海市鹿泉区寺家庄镇贵州省六盘水市水城县山东省枣庄市台儿庄区辽宁省沈阳市喀什地区麦盖提县河东区东新街道陕西省宝鸡市眉县怀柔区雁栖地区四川省凉山彝族自治州甘洛县黑龙江省鸡西市鸡冠区辽宁省铁岭市开原市陕西省宝鸡市千阳县怀柔区龙山街道辽宁省本溪市溪湖区博尔塔拉蒙古自治州温泉县江苏省镇江市句容市大兴区重庆市市辖区北碚区黑龙江省哈尔滨市巴彦县云南省丽江市宁蒗彝族自治县云南省红河哈尼族彝族自治州绿春县西城区月坛街道四川省泸州市江阳区银川市贺兰县江苏省镇江市句容市河西区桃园街道福建省福州市罗源县山西省吕梁市岚县和田地区喀什地区叶城县陕西省汉中市南郑区百色市靖西市青海省海西蒙古族藏族自治州德令哈市西藏拉萨市达孜区开封市通许县湖北省宜昌市秭归县山西省晋中市榆社县四川省成都市双流区新乐市协神乡平山县岗南镇广东省珠海市斗门区黑龙江省佳木斯市汤原县陕西省咸阳市兴平市江西省鹰潭市余江区福建省福州市永泰县重庆市县巫山县隆安县湖北省宜昌市西陵区亳州市利辛县福建省莆田市城厢区福建省莆田市城厢区焦作市中站区福建省南平市建瓯市西城区天桥街道

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。

昨日行业协会发布研究报告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。


据国际足联2022年年报，2019年至2022年周期内，国际足联合作伙伴共带来10.52亿美元收入，而该周期内国际足联合作伙伴为阿迪达斯、可口可乐等7家企业。换算可知，平均每家国际足联合作伙伴向国际足联支付了约1.50亿美元。
华体汇电竞-华体汇(中国) 华体汇电竞-华体汇(中国)-欧美大乱交官方版-欧美大乱交最新版V.4.98.40-三星应用商店

华体汇电竞-华体汇(中国)

古特雷斯强烈谴责以色列
首页>>澳门一季度本地居民失业率降至有记录以来最低水平
古特雷斯强烈谴责以色列

华体汇电竞-华体汇(中国):古特雷斯强烈谴责以色列

华体汇电竞-华体汇(中国):「活动」首次登录送19元红包

44.86MB
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81%好评(57人)
评论87
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
  • “超级食物”真有那么神奇吗？
    2026-06-13 13:24:26
  • 非遗焕彩赋能乡村振兴 东南大学展示定点帮扶南华县丰硕成果
    2026-06-13 13:24:26
  • 智能时代文旅经济何为？中青年学者齐聚苏州展开研讨
    2026-06-13 13:24:26
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