# 自我提升的所有文章

在 HTX 新闻中心浏览与「自我提升」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

翁荔新博客提出「自进化先从Harness开始」，DeepSeek崔添翼转发附议

前OpenAI安全副总裁翁荔在新博客中提出，AI自进化（RSI）的现实路径可能先从“Harness”（模型外部运行系统）开始，而非直接修改模型权重。Harness决定模型调用工具、管理上下文、验证结果等关键行为，优化它可以显著提升系统表现。博客梳理了自进化的递进路径：从Context Engineering（如ACE、MCE优化上下文管理）、Workflow Design（如AI Scientist设计科研流程），到Self-Improving Harness（模型分析并修改Harness自身）。其中Self-Harness通过“弱点挖掘-提案-验证”循环，进化出针对不同模型弱点的配置；而DGM等工作通过进化搜索，让AI修改自身Harness代码，在代码基准上表现提升显著，媲美人工设计。 DeepSeek研究员崔添翼转发附议，认为Harness与模型的自进化都是重要方向。翁荔强调Harness与模型将互相强化，但当前仍存在评估器弱、记忆管理难、多样性坍缩、Reward Hacking等挑战。人类角色不会消失，而需在更高层级监督。Harness已成为影响AI能力的关键变量，其自进化将是下一阶段的重点议题。

marsbit07/08 10:25

marsbit07/08 10:25

Anthropic员工离职创业，估值10亿美元，也做「递归自我改进」

Anthropic两位前员工Behnam Neyshabur和Harsh Mehta离职创业，成立了名为Mirendil的AI初创公司。该公司已完成由Andreessen Horowitz、Kleiner Perkins和英伟达投资的2亿美元种子轮融资，估值达到10亿美元。创始团队汇聚了来自Anthropic、xAI、Google DeepMind和OpenAI等机构的20名研究人员。公司的核心愿景是通过“递归自我改进”技术，构建能够自我进化的AI系统，旨在加速科学研究进程。其定位并非直接提供“AI for Science”工具，而是打造一个平台，让各垂直领域的科研团队能够自主训练和迭代其专属的AI模型，即实现“AI for AI for Science”。创始人认为，当前主流AI公司虽内部广泛使用AI辅助研发，但其用户协议限制外部开发者用其模型训练竞争性产品，这恰恰为独立公司创造了市场机会。 Mirendil计划在未来几个月内发布首个模型和产品，目标是赋能全球数千个实验室，攻克重要科学难题。

marsbit06/26 03:26

marsbit06/26 03:26

AGI不是终点，DeepMind新论文：迈向ASI，真正的AI进步才刚开始

DeepMind团队最新研究报告提出，通用人工智能（AGI）很可能不是AI发展的终点。AI将继续超越人类水平，走向超级人工智能（ASI）。报告区分了AGI（达到人类中位认知水平）、ASI（在所有重要领域整体超越人类专家集体）和UAI（理论智能上界）三个概念，并探讨了从AGI迈向ASI的四条潜在路径：持续扩展计算、模型与数据规模；算法持续演化乃至范式转变；系统通过递归自我改进形成正反馈；以及通过多智能体协作形成超越单体的集体智能。报告同时指出了发展过程中可能面临的六大关键瓶颈：高质量人类数据可能面临枯竭的“数据墙”；能源、芯片等经济和自然资源压力；现有神经网络范式在持续学习、稳定推理等方面的根本性局限；研究难度随领域成熟而增加；AI可能难以自主提炼新概念原语的“抽象壁垒”；以及监管、治理与社会反弹带来的影响。报告最后强调，一旦AI能力超越人类，现有以人类水平为参照的评估体系将失效，需要建立面向后AGI时代的新评估机制。ASI的发展仍受物理规律、资源等现实约束，其具体路径与速度存在高度不确定性，未来需持续开展跨学科研究以应对这一前景。

marsbit06/16 12:02

marsbit06/16 12:02

Anthropic警告的递归AI，田渊栋新公司刚刚走出了「第一步」

近日，Anthropic发布文章披露，其代码库超过80%由AI撰写，并警告AI“递归自我改进”（即AI自主设计、训练后续版本）可能带来风险，呼吁行业建立暂停机制。与此同时，由田渊栋等人联合创立的新公司Recursive Superintelligence结束了隐身状态，发布了其首项公开技术成果——“迈向自动化AI研究的第一步”。该系统旨在将传统AI研究中“提出想法-编写代码-运行实验-分析结果”的人工闭环自动化。它能够针对给定目标自动生成实验思路、实现代码、运行验证并从中学习，从而自主推进研究进程，并内置了防止“奖励作弊”的机制。 Recursive在三个差异显著的基准测试中取得了领先结果： 1. **小模型训练优化**：在固定计算预算下，将模型验证损失进一步降低，相当于以更少时间达到同等效果。 2. **训练速度竞速**：在社区持续优化两年的基准上，将训练时间从79.7秒缩短至77.5秒，核心改进包括在注意力层使用FP8计算、为优化器添加退火噪声等。 3. **GPU内核优化**：在英伟达的底层计算内核基准测试中，将整体得分提升至0.754，缩小了与硬件理论极限的差距，而这些优化策略并非来自团队的专业知识，而是由系统自主发现。 Recursive团队阵容强大，已获得巨额融资，其目标是构建能够递归提升自身研发能力的AI系统。这与Anthropic的警告形成了微妙对比：一方正在实践AI加速AI研发的路径，另一方则呼吁为可能到来的“递归自我改进”时刻做好风险管控准备。当前成果虽仅是迈向自动化研究的初步尝试，但标志着一个能够自我增强的AI研发新范式已开始运转。

marsbit06/12 04:11

marsbit06/12 04:11

Anthropic全球警告，OpenAI已跨“可靠性阈值”：AI自我加速启动

AI领域出现重要警告与发展洞察。Anthropic发出全球警告，指出AI递归自我改进进程加速，已接近“自己造自己”的临界点，呼吁减缓研究。与此同时，OpenAI后训练团队负责人Yann Dubois在访谈中揭示了关键内部视角： 1. **能力提升是连续线性，但实用性感知是跳跃的**。AI能力在达到“可靠性阈值”前如同玩具，跨越后则成为可托付工作的可靠工具。OpenAI被认为在去年12月左右跨过了此阈值。 2. **AI正进入自我加速循环**。模型能力提升后，本身已成为研发的有力工具（如辅助编程），从而加速下一代模型的开发，形成越转越快的正反馈回路。 3. **AI构建更像“手艺”而非纯科学**。在硬核领域，经验、直觉和反复试错（类似“炼金术”）目前扮演关键角色，科学解释常事后补足。 4. **垂直应用（Harness）价值巨大，甚至能触及AGI体验**。Dubois认为，若冻结现有模型，仅通过精心打磨针对特定领域的编排系统，即可在许多场景中实现类似通用人工智能（AGI）的效果。当前瓶颈常在于“最后一公里”——权限、数据连接与业务流程集成，而非模型智能本身。 5. **持续学习仍是核心挑战**。模型难以像人类一样在特定环境中持续学习和优化，其学习曲线容易趋于平缓，这是亟待解决的重要问题。综上，AI发展已迈过关键可靠性门槛，进入自我加速阶段，同时为垂直领域的深度应用与集成创造了巨大机遇与挑战。

marsbit06/06 23:24

marsbit06/06 23:24

CT （加密推特）情绪冰点时，该做什么？

现在刷加密推特（CT），你很难不注意到整个氛围极度低迷。市场进入熊市，多数参与者都陷入迷茫。作者建议在这个时期可以做九件事来应对：首先，认真思考自己真正想要的生活，反思是否在被动反应中失去了方向。其次，完成一些“支线任务”，尤其是年轻人，应该多出去体验生活，而不是被负面信息困在屏幕前。第三，利用Twitter/X主动与志同道合或敬佩的人建立连接，这个平台的核心价值在于友谊。第四，利用熊市的空闲时间健身，哪怕在家用简单器械也能练出好身材。第五，多晒太阳，阳光对调节生理机能至关重要，不要被“太阳有害”的说法误导。第六，探索在线经济的新领域，比如TikTok或YouTube Shorts，加密之外还有广阔世界。第七，继续关注潜在空投机会并积累看好的山寨币，历史证明市场总会反弹。第八，坚持写作，无论受众多少，写作是连接过去与未来、表达独特思想的重要方式。最后，主动成为你想看到的改变，用实际行动塑造理想的未来。

marsbit05/19 05:49