Theseus Lab 发布开源愿景与技术路线,核心思路是不回避当下大模型的各类能力短板,把幻觉、长记忆弱、陌生场景推理差、经验没法沉淀这些现存问题,当作通向超级智能的核心进化方向,这套三层自进化框架对外开源,方便全球开发者一起迭代验证,不再单纯依靠堆参数、堆训练数据来提升模型上限。现在主流大模型大多是在固定数据集上完成预训练,任务做完之后学到的经验很难留存,遇到全新场景容易出错,也没办法自主反思哪里做错。团队设计的三层路线,第一层是让模型在真实开放环境自主探索,不只在标准化测试集里跑;第二层是任务结束后复盘日志,像人脑睡眠整理记忆一样内化经验;第三层是二阶进化,让 AI 不光优化任务答案,还能反思自己使用的方法本身,持续迭代改进策略。这套方案已经在长周期个人工作轨迹、模糊需求信息检索等场景做了对照实验,原版模型在模糊信息检索任务得分只有 34.3,经过自进化机制优化之后可以拿到满分,后续会持续开放组件、评估脚本,方便社区复现和二次开发。
核心技术路线表
| 项目 | 详情 |
|---|---|
| 发布主体 | Theseus Lab |
| 核心理念 | 将当前 AI 能力短板作为超级智能进化路径,走开源共建路线 |
| 三层自进化框架 | 开放环境自主探索、实践经验持续内化、二阶元进化 |
| 对标机制 | 参考 Agent “梦境复盘” 记忆巩固思路 |
| 已验证场景 | 模糊需求资料检索、长周期工作记忆、任务经验沉淀 |
| 实验对照结果 | 原模型 34.3 分,接入自进化机制后可达 100 分 |
| 开放形式 | 开源框架、评估脚本,支持社区复现、二次开发 |
自进化执行流程
- 模型在真实业务、科研、创作等开放场景承接任务,自主检索、调用工具,完成交互
- 任务结束,自动回放完整交互日志,识别失败点、有效策略,沉淀成可复用经验
- 对自身解决问题的方法做反思评估,调整策略,也就是二阶进化
- 新能力回流到模型能力池,后续同类或者新任务直接复用沉淀经验
- 社区开发者基于开源框架补充环境、评测集,持续发现新短板,驱动迭代
路线优势与局限
✅ 优势:跳出单纯堆规模的老路,直面幻觉、长记忆、泛化不足等真实短板;开源模式降低自进化研究门槛,支持多方协作验证
⚠️ 局限:目前还处在早期实验阶段,只在部分场景验证有效;距离稳定、可控的通用超级智能还有很长距离,对齐、安全约束仍需要持续完善
【常见问题】
问题 1:这套 Theseus Lab 开源愿景方案,为什么说把今天的能力短板变成通向超级智能的进化路径?
回答 1:这套开源方案不把幻觉、长记忆不足、陌生场景推理弱等短板当成次要 bug,而是把这些短板作为重点突破方向,依靠三层自进化框架持续修复短板、迭代能力,以此作为通往超级智能的进化路径。
问题 2:Theseus Lab 这套通向超级智能的开源自进化方案,和传统大模型靠堆参数提升能力有什么不一样?
回答 2:传统方式主要依靠扩充参数、增加静态训练数据,而这套开源方案主打任务后复盘内化经验、自主探索、二阶元进化,让模型在真实交互里持续自我改进,不是单纯依赖静态预训练。
问题 3:Theseus Lab 这个面向超级智能的开源进化方案,现在已经达到成熟可用的阶段了吗?
回答 3:这套把 AI 短板作为进化路径的开源方案目前属于早期实验方案,仅在部分检索、长记忆场景完成验证,还不能实现稳定可控的超级智能,需要社区持续迭代完善。
【参考资料】
[2026-11-10](愿景 & 开源 | 把今天的能力短板,变成通向超级智能的进化路径)锦囊专家
[2026-11-09](愿景 & 开源 | 把今天的能力短板,变成通向超级智能的进化路径)新浪财经
[2026-09-18](Introducing Sakana AI's Frontier Intelligence Group)Sakana AI 官网
[2026-08-01](Open-Endedness is Essential for Artificial Superhuman Intelligence)arXiv
【免责声明】
本文仅为 AI 前沿研究资讯整理,Theseus Lab 这套开源自进化方案的实验效果、迭代进度、开源组件版本以项目官方发布为准;超级智能相关研究仍属于前沿探索,存在大量不确定性,本文不构成技术落地、项目投资建议。
