标签
Ornith-1.5是一款新的AI模型，它通过强化学习引入了端到端的自我改进，针对单GPU和边缘设备的高效部署进行了优化。
Warp 推出了 Warp Factories，这是一个开放、灵活的基础设施，用于构建云软件工厂，具有代码配置、支持任何模型、评估和自我改进等功能。
Ornith-1.5-35B-A3B 是一款新的AI基础模型，通过采用端到端自我改进，在编码和代理基准测试上取得了卓越的性能，每个令牌仅激活约30亿个参数。
Ornith-1.5-35B-A3B 是一种混合专家AI模型，每个令牌仅激活30亿参数，并在编码和代理基准测试中超越了类似规模的模型，如Qwen和Gemma。
Ornith-1.5-9B 是一款9B参数密集型AI模型，通过端到端自我改进来推进基础模型构建，并利用强化学习优化任务生成、框架构建和解决方案部署。它在与Qwen和Gemma等其他模型相比时，在各种基准测试上表现出竞争力性能。
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。
本文提出将模型-工具链协同进化作为AI代理递归自我改进的基本原则，并引入HELIX，一个可溯源的系统，通过生成验证轨迹的结构化训练信号来改进执行和学习。
Zetta引入了一个闭环具身框架，该框架演化运行时评估器和恢复技能，以实时控制物理执行，在机器人基准测试上取得了最先进的成功率，同时实现了显著的推理加速和自我进化。
这条推文建议独立程序员不要只专注于编码，而应学习营销，并推荐了《Traction》一书，强调让别人找到你的重要性。
本文运用化学中的活化能概念来解释物理学、神经科学和人际关系等领域的初始障碍，强调低能量对于维持行动的重要性。
The paper introduces DIVE, a diversity-driven framework that enables frozen LLMs to self-improve by evolving persistent natural-language skills from task experience and verifier feedback, without parameter updates. It outperforms existing methods on math and logical reasoning tasks and transfers across model scales.
介绍了SBCO，一种面向规划智能体的自监督、基于验证器的框架优化器，它通过近似块坐标上升法改进智能体输出，以远少于自修改基线的计算量达到或超越其性能。
Naval Ravikant 探讨了追随自己天生的智识痴迷如何带来成功，并引用了 Bryan Johnson 和 Balaji Srinivasan 的例子。
本文介绍了Macaron-V1，一个开放的持续学习智能体-模型家族，使用Mixture-of-LoRA在冻结的基础模型上组合专家适配器，并具有递归自我改进和模型-框架协同设计。
作者提出利用 AI 作为贴身教练，通过定期复盘与 AI 的交互来发现自身认知盲点和优势，实现持续成长。
本文介绍了层级自改进（HSI），这是一个通过层级自修改演化任务特定执行框架来增强冻结LLM代理的框架，在中等难度任务上取得了显著提升，但受限于反馈质量和骨干模型能力。
介绍了一个 GitHub 57k 星的开源项目 byoungd/up，作为普通人的人生进阶指南，涵盖英语学习、AI 工具实战和个人复盘；同时附带 2.ai 域名组合的高价出售信息。
作者分享激励自己通过App赚到50万并走上自由职业之路的书籍清单，包括《纳瓦尔宝典》《软技能》《低风险创业》等，强调打造边际成本低的产品和被动收入。
Saboo Shubham 宣布开源了一个模板，用于构建能够在后台做梦和自我改进的长周期智能体框架。