исследовательской культуры Shanda Innovation Institute, сосредоточена на долговременной памяти и самоэволюции моделей. Опубликованные работы решают три ключевые задачи: самосовершенствование через harness-подход (HarnessBank), управление навыками (SkillCorpus) и обучение весов модели (DASH). HarnessBank вводит понятие «генного банка» и механизм проверки с шлюзами (gated verification) для предотвращения переобучения, что обеспечивает прирост производительности на 5,1–15,4% на семи бенчмарках. SkillCorpus агрегирует и отбирает более 82,1 тыс. исходных навыков, формируя из них 96 401 высококачественный навык, что повышает эффективность агентов до 7,5 балла. DASH использует адаптивные к дивергенции горизонты супервизии (divergence-adaptive supervision horizons) для улучшения оn-policy самодистилляции, повышая результаты математического рассуждения на бенчмарках AIME и HMMT. У EverMind есть открытая экосистема с более чем 12 тыс. звёзд на GitHub, а их фреймворки выстроены по четырём уровням: задача, harness, модель и метасовершенствование. Команда ожидает, что ИИ следующего поколения будет непрерывно эволюционировать, и приглашает партнёров присоединиться к созданию инфраструктуры долговременной памяти для искусственного интеллекта.