據報導盛大旗下 EverMind 發表三篇自進化 AI 論文：HarnessBank 提升效能達 15.4%，並建構近 10 萬規模技能庫

據報導，由盛大集團孵化的 AI 實驗室 EverMind 連續發表三篇論文，針對自進化 AI（Self-Evolving AI）的長期記憶與持續迭代提出全端技術方案。 第一篇論文《HarnessBank》聚焦 Agent 腳手架（Harness）的自我改進。該框架將「提出變更」與「歸因變更」分離，由語言模型負責診斷失敗並提出補丁，隨後交由確定性程式碼邏輯進行採樣與顯著性檢驗，以避免模型自我評估產生的過擬合。系統引入裝備基因庫（HGB），以「改動環節與引入原因（WHERE × WHY）」作為語意座標存檔，而非傳統的以任務為鍵值。實測以 Qwen3.6-27B 為任務 Agent、Claude Opus 4.8 為進化 Agent，在 SWE-bench、Omni-MATH 等七個多樣化基準測試中，HarnessBank 較 GEPA 與 DGM 取得 5.1% 至 15.4% 的一致效能提升，且所有增益均通過配對顯著性檢驗（z≥1.96）。 第二篇論文《SkillCorpus》針對開源技能生態（如 Skill.md 格式）進行規模化管理。團隊從約 82.1 萬個原始技能中，依實用性、強健性與安全性過濾出 96,401 個高品質技能，並建立包含 16 個類別的分類法。將該技能庫與專屬檢索技術整合至自研的 Raven 框架後，Agent 在 SkillsBench 基準測試中獲得最高 7.5 個百分點的效能提升。 第三篇論文《DASH》則針對模型權重的同策略自我蒸餾（OPSD）進行最佳化。傳統 OPSD 對所有局部散度（學生與教師模型的差異）分配相同係數，忽略了錯誤發生的時序上下文；該研究透過分析真實推理軌跡，指出局部散度值與未來散度演變之間關聯極弱，藉此解決傳統方法在處理長序列推理時的訊號分配盲區。