recursive

本文针对多智能体系统中的多输出回归问题，开发了两种资源高效的分布式递归高斯过程算法，在降低通信开销的同时保持估计精度。

AutoMem 是一个文本梯度递归自我改进框架，用于LLM代理中的自动化记忆架构搜索，它发现任务自适应架构，这些架构在准确性和效率上超越了人类设计的基线。

ReSyn是一个广义的递归框架，用于从示例中合成正则表达式，旨在改进现有的合成技术。

Recursive 发布了一个自动化AI研究系统，在三个基准测试中取得了最先进的结果：固定预算语言模型训练、小模型训练速度和GPU内核优化。该系统自动化了研究循环，并开源了其运行中的产物。

Recursive团队发布自动化AI研究系统，能自主完成研究循环，在多个基准上超越人类社区已有方案，如在NanoGPT Speedrun中将训练时间从79.7秒压缩至77.5秒，在SOL-ExecBench上将得分提升至0.754。

Recursive的自动AI研究系统通过在无需任务特定适配的情况下自动化研究循环，在NanoChat、NanoGPT Speedrun和GPU内核基准测试上达到了最先进的成果，并开源了相关工件以供进一步检验。

前OpenAI、DeepMind、Meta顶级研究员联合创立初创公司Recursive，专注于让AI自我改进，成立仅6个月、不到30人即获得46.5亿美元估值。