中国NeoLab时刻：EverMind用3篇论文，交出全栈自进化首份答卷
内容提要
中国团队EverMind由盛大孵化，专注AI自进化，发布三篇论文解决技能、脚手架和模型权重难题。其HarnessBank提升Agent性能，SkillCorpus管理十万技能，DASH优化训练。相比海外NeoLab，EverMind构建全栈生态并开源，旨在实现AI持续学习与自我进化，引领下一代AI发展。
延伸解读
自进化AI的三大技术关卡
文章指出，实现AI自进化需攻克三道难关：脚手架（Harness）的自我改进易过拟合，技能（Skills）的规模化管理和检索困难，模型权重（Weights）的训练信号分配粗糙。EverMind的三篇论文分别针对这些难题提出解法，体现了从外围逻辑到底层算法的系统性布局。
HarnessBank的防过拟合设计
HarnessBank将“提出变更”与“归因变更”分离，由语言模型诊断和提补丁，确定性代码负责采样和检验，确保性能提升统计可靠。其装备基因库以“WHERE×WHY”为语义坐标存储，强调修复“病理”而非特定任务，并发现最优脚手架随模型主导病理变化，具备跨模型迁移的元能力。
DASH的监督信号优化
DASH针对传统同策略自我蒸馏（OPSD）对所有时间步均匀分配监督权重的问题，利用局部散度与序列均值的差距动态调整传播门，使高风险分叉点获得更远传播。实验显示，在多个数学推理基准上，DASH在多个模型规模上均取得最高分，且无需额外前向传递开销。
EverMind与海外NeoLab的对比
文章对比了RSI、Engram、Adaption Labs、Core Automation等海外NeoLab，指出它们多处于单点突破或早期研发阶段。EverMind则通过EverOS、Raven和DASH构建全栈生态，并坚持开源，GitHub Star数已超1.2万，形成类似Android的开发者生态护城河。
Q&A
EverMind团队是由哪家公司孵化的？其背景是什么？
EverMind由盛大集团孵化，延续了盛大创新院的研究基因。盛大创新院成立于2008年，由陈天桥创立，定位是纯粹探索技术前沿，不追求KPI。近三年盛大All in AI，通过内部孵化机制吸引顶尖AI人才，EverMind是其中一支研究型团队。
EverMind的三篇论文分别解决了自进化AI的哪些难题？
三篇论文分别对应自进化AI的三道难关：HarnessBank解决脚手架（Harness）的自我改进难题，避免过拟合；SkillCorpus解决技能（Skills）的规模化管理难题，聚合和策展十万级技能库；DASH解决模型权重（Weights）的训练信号分配难题，优化同策略自我蒸馏。
HarnessBank框架的核心创新是什么？
HarnessBank的核心创新在于将“提出变更”与“归因变更”彻底分离，语言模型只负责诊断失败和提出补丁，采样、测量和显著性检验由确定性代码控制，确保性能提升统计可靠。同时引入装备基因库（HGB），以“WHERE × WHY”语义坐标存档高性能脚手架，并设计分级装备筛选机制，有效防止过拟合。
SkillCorpus是如何构建的？它带来了什么性能提升？
SkillCorpus从约82.1万个原始技能中，通过多阶段多维度策略过滤，精选出96401个高质量技能，建立16个类别分类法，并从实用性、鲁棒性和安全性三维度进行质量控制。配合微调的检索技术栈，在SkillsBench、GDPVal和QwenClawBench三个基准上均获得稳定性能提升，其中SkillsBench提升最大，达7.5个百分点。
DASH算法是如何改进传统OPSD的？实验结果如何？
DASH（Divergence-Adaptive Supervision Horizons）将每个局部蒸馏信号与序列级均值的差距转化为自适应传播门，控制向后的多步聚合。当局部散度高于均值时，打开更大传播门，让监督信号传播更远；反之收窄。在AIME 2024、AIME 2025和HMMT 2025三个数学推理基准上，DASH在Qwen3-1.7B、4B、8B上均取得最高分，且无需额外前向传递开销。
EverMind提出的自进化四层框架是什么？
四层框架包括：任务层（优化单次任务执行，沉淀记忆和技能）、脚手架层（优化Agent外围运行逻辑，版本迭代）、模型层（优化模型权重，如LoRA微调）、元改进层（优化Evaluator、Data和Training Recipe，提升改进能力本身）。每层都有具体技术路径和验证机制。
EverMind与海外NeoLab（如RSI、Engram）相比有何优势？
EverMind的优势在于“三层并发”的全栈生态：同时覆盖非参数化长期记忆（EverOS）、Harness自进化（Raven）和底层权重训练优化（DASH），而海外团队多停留在单点突破。EverMind还坚持开源优先，GitHub Star超1.2万，构建了开发者生态护城河。
EverMind在开源和社区方面有哪些成果？
EverMind坚持开源优先，GitHub上累计超过1.2万颗Star（同期mem0为7千），并开源了长期记忆相关库（1.8万star）。此外，团队在一年内产出9篇高质量论文，其中数篇被ACL、KDD等顶会录用，并发布了评测基准EvoAgentBench，在Hugging Face同类benchmark上下载量第一。
