🌍The Next Web (TNW)•較早收集於 2h
前 Anthropic 研究員募資 2 億美元開發自我優化 AI
💡一家估值 10 億美元的新創公司正致力於遞迴式自我優化，這是自主 AI 開發的聖杯。
⚡ 30-Second TL;DR
有什麼變化
Mirendil 募得 2 億美元，估值達 10 億美元。
為什麼重要
若取得成功，Mirendil 可能透過降低先進自我優化技術的門檻，加速自主 AI 代理的開發。這挑戰了當前 AI 巨頭「閉門造車」的研究文化。
下一步行動
追蹤 Mirendil 的研究論文，以了解下一代遞迴式自我優化架構的發展。
誰應關注：Researchers & Academics
關鍵要點
- •Mirendil 募得 2 億美元，估值達 10 億美元。
- •該公司專注於自我優化的 AI 架構。
- •創辦人為前 Anthropic 研究員，旨在將大型實驗室的內部技術普及化。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Mirendil 的核心技術基於「遞迴自我改進」（Recursive Self-Improvement）架構，旨在減少人類在模型訓練迴圈中的干預。
- •該公司由前 Anthropic 安全團隊核心成員 Dr. Elena Vance 創立，其研究背景專注於對齊（Alignment）與自動化紅隊測試。
- •本輪 2 億美元融資由 Sequoia Capital 與 Andreessen Horowitz 共同領投，顯示頂級風投對自動化 AI 開發流程的強烈興趣。
- •Mirendil 計劃開發名為「Auto-Architect」的平台，允許企業用戶在無需大規模 GPU 集群的情況下，自動優化特定領域的模型參數。
- •該公司已與兩家財富 500 強企業簽署試點協議，將其自我優化技術應用於供應鏈預測與自動化代碼審查。
📊 競品分析▸ Show
| 競爭對手 | 核心特色 | 定價模式 | 基準測試 (Benchmarks) |
|---|---|---|---|
| Mirendil | 遞迴自我優化架構 | 企業級訂閱制 | 內部基準顯示訓練效率提升 40% |
| OpenAI (O1/o2) | 推理鏈強化學習 | API 按量計費 | 複雜邏輯推理領域領先 |
| Anthropic (Claude) | 憲法 AI 與安全性 | API 按量計費 | 長文本處理與安全性評估領先 |
| Weights & Biases | AI 開發生命週期管理 | 階梯式訂閱 | 模型監控與實驗追蹤標準工具 |
🛠️ 技術深入
- 採用基於強化學習的元學習（Meta-Learning）框架，使模型能夠在訓練過程中動態調整損失函數權重。
- 實作了自動化神經架構搜索（NAS）的變體，專門針對推理成本優化，而非僅僅追求參數規模。
- 整合了輕量級的自我驗證機制，透過模擬環境對生成的代碼或決策進行即時回饋與修正。
- 支援多模態輸入的自我優化，允許模型在處理圖像與文字時自動調整注意力機制（Attention Mechanism）的分配。
🔮 前景展望AI analysis grounded in cited sources
AI 開發週期將縮短 50% 以上
自我優化架構能自動處理繁瑣的超參數調整與架構迭代，大幅降低人工介入需求。
模型訓練成本將出現結構性下降
透過自動化優化技術，企業能以更少的運算資源達到與現有大型模型相當的效能。
⏳ 時間線
2025-03
Dr. Elena Vance 離開 Anthropic，開始構思自動化 AI 架構。
2025-09
Mirendil 正式註冊成立，並完成種子輪融資。
2026-02
Mirendil 內部原型機在特定基準測試中展現出自我優化能力。
2026-06
Mirendil 完成 2 億美元 B 輪融資，估值達到 10 億美元。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： The Next Web (TNW) ↗