极致算法优化 × FDE 工程部署

让AI深入业务，驱动企业进化

从真实业务现场，一路做到算法底层

OPEN-SOURCE WORKS

成果，在每一次实践里继续生长

我们将经过真实验证的 Agent 技术能力开源，让每一次实践成为下一次进化的起点。

AutoRSI

通用型递归自我改进引擎，让“改进”这件事本身自动化

ZiYor

通过 Harness、真实环境反馈、失败恢复和轨迹记忆，让模型能够持续调整自己的行动策略

EvoCore

为 AI Agent 的自我改进构建底层框架，将零散经验沉淀为稳定能力，并在后续工作中持续校准迭代

VERIFIED PUBLIC BENCHMARKS

算法工厂榜单

按编号展示算法 Wiki 的前 7 个公开 benchmark，提炼对应算法、核心指标与 Baseline。

查看完整算法 Wiki

#01 · 压缩算法 Large Text Compression
Benchmark / LTCB大文本无损压缩，总分通常由压缩包与解压器或程序体积共同决定。对应算法　BWT、PPM、LZ、ANS、上下文建模指标compressed bytes / total bytesBaseline公开榜首与强压缩器组合

#02 · 压缩算法 Hutter Prizeenwik 数据压缩挑战，强调可执行解压程序与压缩包总大小。对应算法　上下文混合、神经压缩、算术编码指标total compressed sizeBaselinePAQ / CMIX / NNCP 系列

#03 · 深度学习 MLPerf Training多任务训练吞吐、收敛速度和系统效率 benchmark。对应算法　分布式训练、优化器、内核融合指标time-to-train / accuracy targetBaseline官方参考实现和最新提交

#04 · 深度学习 MLPerf Inference多模型推理延迟、吞吐与能耗 benchmark。对应算法　量化、调度、KV cache、推理引擎指标latency / throughput / accuracyBaseline官方参考与厂商提交

#05 · 代码 / Agent SWE-bench Verified真实 GitHub issue 修复任务，按测试通过率计分。对应算法　代码检索、patch 生成、测试选择指标resolved rateBaseline公开 Agent baseline

#06 · 代码 / Agent HumanEvalPython 函数生成与单元测试通过率。对应算法　程序合成、采样、self-consistency 指标pass@kBaseline公开 LLM / code model baseline

#07 · 推理 MMLU-Pro多学科选择题推理，较 MMLU 更强调困难选项。对应算法　检索增强、思维链、校准指标accuracyBaseline公开模型榜单

EVOLUTION EXHIBITS

已经发生的进化

把每一次真实尝试，留下成为可被看见、复用与继续推进的展品。

Ziyor FDE

AI自进化FDE后台

让改进本身进入项目管理：分析需求、提出策略、验证结果，再将经验复用。

Ziyor 客户端