2026年夏天，注定是自进化AI的历史一刻。
当海外NeoLab还忙于靠叙事拿下数亿美元融资时，一家中国团队用连续三篇论文，交出了自进化AI领域第一份全栈答案。
它就是EverMind，由盛大集团孵化，延袭当年创新院研究基因。
其实回顾中国互联网史，盛大创新院的存在几乎算得上「异类」。
2008年，陈天桥在盛大集团内部创立该机构，其定位不是做产品、也不追KPI，就是纯粹地探索技术前沿。
这在那个流量为王、变现至上的互联网时代，其实是一种极为罕见的企业内研究文化。
彼时，这种模式在中国企业界几乎是开创性的。
十余年后，时代的底色已经从互联网切换到了AI。
而盛大集团的战略布局，也已经集中到更为前沿的脑科学和人工智能方向——
近三年来，盛大All in AI，在原有风险投资体系基础上，通过内部孵化机制在全球范围内广泛吸引顶尖AI人才，陆续孵化出多支专注于不同AI方向的研究型团队。
EverMind，正是其中一支。
如果说盛大创新院开创了中国企业内研究型组织的先河，那么EverMind的出现，则是这一基因在AI时代的延续与升华。
也正因如此，这支团队从一开始便选择了一条在商业上看似“最难”、在技术上却“最根本”的路：
解决AI的长期记忆问题，并在此基础上，探索AI的自进化之路。
放至2026年的AI版图上，这个模式有了一个更为响亮的名字——NeoLab（新一代AI实验室）。
海外团队纷纷下注，NeoLab浪潮狂飙
NeoLab这个词，最早是被用来描述那批从OpenAI、Google DeepMind、Meta等顶级AI机构出走、押注前沿技术方向独立创业的研究型团队。
他们的共同特征是：面向下一代AI技术、研究驱动和长期主义。
2026年，这股浪潮已经汹涌到了无法忽视的程度：
比如，前Salesforce首席科学家Richard Socher与前Meta FAIR科学家总监田渊栋联合创立的Recursive Superintelligence（RSI）。
其在团队不足30人、尚无任何产品的情况下，拿到了6.5亿美元融资，估值高达46.5亿美元，并随即与AWS签署了4.1亿美元的多年算力合作协议。
DeepMind的AlphaGo之父David Silver带着Ineffable Intelligence以51亿美元估值杀入战局。
Engram以6亿美元估值完成了9800万美元A轮融资，Adaption Labs以10亿美元估值拿到了5000万美元种子轮，Core Automation的估值目标直指40亿美元……
这些团队押注的核心命题，都指向同一个方向：如何让AI在部署后不再是一成不变的静物，而是能够通过自我迭代实现持续进化。
这个方向，在学术上被称为递归自我改进（Recursive Self-Improvement），在产业上被称为自进化AI（Self-Evolving AI）。
然而，当我们仔细审视这些估值惊人的NeoLab时，会发现他们大多仍停留在单点突破的理论探索阶段：
- RSI：初步分享了先进的理念和路线设计，但尚未公布具体方案或成果；
- Engram：专注于参数化权重记忆，但缺乏脚手架层的灵活进化机制；
- Adaption Labs：主攻推理时适应，但没有长期技能沉淀体系；
- Core Automation：方向最为接近，但也还没有公开的论文和开源生态。
就在海外团队还在各自的细分领域摸索时，EverMind悄然完成了一件令人瞩目的事：
连续发布三篇重量级论文，从技能层、脚手架层到模型权重层，系统性地给出了一套完整的自进化AI技术答案。
一次对话，两个入口：当RSI遇上EverMind
在深入这三篇论文之前，有一个细节值得单独记录。
今年四月，EverMind主办了一场名为“记忆起源”（Memory Origins）的Hackathon活动。
在这场活动上，出现了一位特别的嘉宾——Recursive Superintelligence（RSI）的联合创始人之一，田渊栋。
田渊栋在活动上分享了他对AI记忆工作的深度理解，而彼时RSI融资的相关进展尚未披露。
在活动结束后，田渊栋与EverMind负责人邓亚峰共同接受了「硅谷创见汇」播客的采访，两人就AI行业的发展走向和记忆相关技术的前景进行了深入对谈。
在这次对话中，邓亚峰提出了一个核心判断，也透露了EverMind技术战略的脉络：
从长期记忆，结合持续学习，走向自我进化是下一代AI的核心技术路线。
这句话值得细细品味。
记忆，是Agent积累经验的载体；自进化，是把经验转化为能力跃升的路径。
没有高质量的记忆，自进化就是无源之水；没有自进化作为目标，记忆就只是一个越来越大的档案馆。
EverMind从EverOS（记忆操作系统）到Raven（自进化Agent框架），再到三篇自进化论文所构建的完整技术栈，正是这一判断的系统性实践。
田渊栋与邓亚峰在同一个舞台上的相遇，某种程度上也是一个隐喻：
当海外最顶尖的自进化研究者，与中国最具研究深度的记忆AI团队相遇，他们发现彼此正在从不同的入口，攀登同一座山峰。
为什么「自进化」重要且难？
在深入EverMind的技术细节之前，还需想清楚一件事：为什么“让AI自我进化”既是必答题，又是一道难题。
传统大语言模型一旦完成训练并部署，能力就被冻结了，不再随使用而增长。可人类智能最迷人的地方恰恰相反——每一次交流、每一次思考，我们都在悄然进化。
下一代AI也理应如此：能够通过持续学习不断变得更聪明，而不是停在出厂那一刻。
而且这条路正在变得现实。
随着大模型能力的跃升，越来越多的案例表明，“AI自主改进AI”已经从设想走向可行，在某些环节甚至开始超越人类专家。
一旦AI能够稳定地自我改进，随之而来的很可能是一场生产力的跃迁。
但要真正做到这一点并不容易。业界通常有三条路径，每一条都横着一道难关。
脚手架（Harness）的自我改进，是第一道关卡。
一个Agent的实际表现，不仅取决于模型本身，更取决于包裹在模型外围的「脚手架」——提示词、注入的知识、运行时控制逻辑等。
让模型自己修改这些代码看似简单，真正的难点却在于如何避免过拟合：模型自我生成的反馈往往充满噪声，一个看似有效的修改，可能只是针对特定测试集的过拟合，换个场景就会导致灾难性崩溃。
技能（Skills）的规模化管理，是第二道关卡。
当Agent把成功经验固化为可复用的技能文件，技能数量会爆炸式增长，那么如何管理这些碎片化、冗余、质量参差不齐的技能？又如何在一个数十万量级的技能库中，精准检索出当前任务真正需要的那几个？
这类工程问题长期被学术界忽视，却恰恰是产品能否落地的关键。
模型权重（Weights）的训练信号分配，是第三道关卡。
在最底层的模型训练阶段，同策略自我蒸馏（On-Policy Self-Distillation，OPSD）是提升推理能力的有效手段。
但传统OPSD在处理长序列推理时，会把相同的监督权重均匀分配给每一个生成步骤，完全忽略了错误发生的时序上下文。这就像长跑时，无论你在起跑摔倒还是在终点前摔倒，教练的惩罚都一模一样。
如此粗颗粒度的信号分配，严重拖累了模型的学习效率。
EverMind的三篇论文，正是分别瞄准这三道难关，各自给出了严谨的解法。
HarnessBank：让Agent学会安全改写「脚手架」
在实际部署中，模型权重往往是冻结的，修改Agent外围的Harness成为了提升性能的最直接手段。
EverMind在《HarnessBank: Semantic Gene-Bank Search with Gated Verification for Agent-Harness Self-Evolution》（https://arxiv.org/abs/2607.13683）一文中，提出了一套全新的框架：
它能够让Agent自主诊断失败并重写自己的运行逻辑，同时从根本上解决了自我改进中的过拟合问题。
这套框架的核心创新在于将“提出变更”与“归因变更”彻底分离。
在过去的研究中，模型既当运动员又当裁判，自己写代码自己评估，极易产生幻觉式的性能提升。
而在EverMind的方案中，语言模型只负责诊断失败原因并提出补丁（Patch），所有的采样、测量和显著性检验全部交由确定性的代码逻辑来控制。
这一设计确保了每一个被系统认可的性能提升，在统计意义上都是绝对可靠的，而非测量误差或随机波动。
更有创新性的是其引入的装备基因库（Harness Gene Bank, HGB）机制。
传统的自进化系统往往以“任务”为键（Key）来存储改进，这极易导致系统只学会了如何解决特定的几道题，换一个场景便原形毕露。
EverMind则将每一份高性能脚手架以“WHERE × WHY”（改动作用在哪个环节、又是为何被引入）作为语义坐标存档，并支持通过故障诊断进行“重新发明”，或跨单元进行“机制重组”，防止搜索过程陷入崩溃或原地打转。
这种设计引入了强大的抗过拟合归纳偏置——系统学到的不是“如何解决这道题”，而是“如何修复这类病理”。
为了从大量候选后代脚手架中高效挑出真正有效的改进，团队还设计了分级装备筛选（Gated Harness Screening）机制，用有效性、激活、配对显著性、增益四道顺序闸门层层过滤，兼顾了评估成本与结果的可信度。
实验结果证明了这一设计的有效性。
团队默认以Qwen3.6-27B作为任务Agent、Claude Opus 4.8作为进化Agent，在Terminal-Bench-2、LiveCode、Omni-MATH、BrowseComp+、GDPval、AppWorld、SWE-bench七个多样化基准上评测，并与GEPA、DGM（Darwin Gödel Machine）两种当前最先进的自进化方法对比。
结果显示，在冻结任务Agent权重的情况下，HarnessBank在全部七个基准上取得了5.1%到15.4%的一致性能提升。
同时所有增益均通过了配对显著性检验（z≥1.96），证明这些提升在统计意义上绝对可靠，而非测量误差或随机波动。
论文中还有一个极具启发性的发现：
跨模型实验证实，这些性能提升来自模型特异性的自进化过程，而不是存在某个放之四海而皆准的“万能脚手架”。
获胜的补丁追踪的是模型的主导“病理”，而不是模型的大小或家族。
也就是说，当你更换一个不同的基础模型时，主导病理会改变，对应的最优脚手架也会随之改变；但同样的病理-补丁匹配关系，会在不同的模型家族中重复出现。
这意味着，EverMind构建的这套“诊断-归因”循环机制，是一种可以跨模型迁移的元能力，证明了AI for AI的技术可行性。
SkillCorpus：10万技能库背后的工程与科学
如果说Harness的自进化赋予了Agent重写逻辑的能力，那么“技能”（Skills）则是Agent沉淀经验的具体载体。
在EverMind的Raven框架中，内置了高达10万项开箱即用的技能。
这并非简单的数量堆砌，其背后的工程与科学支撑，正出自《SkillCorpus: Aggregating, Curating, and Evaluating the Open Skill.md Ecosystem》（https://arxiv.org/abs/2607.15557）。
随着开源社区中技能文件（如Skill.md格式）的爆发式增长，这些资产呈现出严重的碎片化、冗余和质量不均。
EverMind团队构建了一个名为SkillCorpus的框架，首次在规模化层面上对开放技能生态进行了聚合、策展、匹配和评估。
这个过程堪称一场浩大的数字淘金。
团队从爬取的大约82.1万个原始技能中，通过多阶段多维度策略过滤，最终精选出96401个高质量技能。
为了管理这些技能，他们建立了一个包含16个类别的分类法，并从实用性（Utility）、鲁棒性（Robustness）和安全性（Safety）三个维度进行了严格的质量控制。
仅仅有库还不够，关键在于检索。
EverMind配合这个庞大的语料库，微调了一套专门的检索与选择技术栈，确保Agent在执行任务时能够精准匹配到相关的技能。
SkillsBench、GDPVal和QwenClawBench三个基准测试中的端到端评估显示，自研的Raven Harness集成SkillCorpus后，Agent在所有基准上均获得了稳定的性能提升，其中在SkillsBench上的提升最大，达到了7.5个百分点。
通过深入的运营分析，团队还识别出了技能带来的增益边界——
覆盖边界