Open-source · Agent Memory
MindMemOS
面向 AI Agent 的开源长期记忆系统，将对话、文件、工具轨迹、反馈与离线反思转化为可检索、可更新、项目隔离的长期记忆。
跨Agent记忆管理
Memory x Skills协同演进
一键接入
Open Research for Industry Agents
MindScale：
Agent 时代的行业应用算法工具包
MindScale 将分散的前沿算法研究沉淀为开放、可复用的技术能力，帮助行业 Agent 吸收专业知识、积累任务经验、持续自我演进，并以更低成本、更高可信度完成复杂任务。
持续学习面向行业数据稀缺与环境持续变化，融合知识迁移、抗遗忘、样本高效学习及 Agentic RL，构建训练后的递归自我改进机制，让模型持续生成经验、从反馈中学习并优化自身行为
自我演进融合 Agent 记忆与知识管理、Workflow 自演进、Skills 自演进及 Meta-Harness 技术，让 Agent 能够沉淀经验、自主优化执行流程与技能组合，持续适应复杂行业任务
高效训推通过思维链压缩、训练与推理加速及高效部署技术，降低 Agent 应用的计算、存储与部署成本，实现有限资源下的高效运行
智能评测构建科学高效的 Agent 评测体系，融合测试集筛选压缩、裁判模型与轨迹根因分析，实现能力精准度量、问题定位与持续优化
Featured Research
最新技术
Open-source · Algorithm Discovery
LLM4AD NEXT
下一代自动算法设计平台：从自然语言问题描述出发，自动生成可运行的评估器、算法骨架与进化搜索工程，并在执行反馈中持续优化。
一句话创建算法项目
进化搜索
正在显示 MindMemOS
Research Landscape
MindScale 技术全景
围绕 Agent 的构建、学习、推理与评测形成完整研究布局，并向算法发现、科学研究、时序预测和 EDA 等复杂任务持续延伸。
03前沿应用研究 · FRONTIER AGENTS
算法发现 Agent
问题建模算法生成进化搜索执行反馈
AI4Science Agent
自主研究材料发现长程优化
时序预测 Agent
时序 Skills大小模型协同时序知识
Agentic EDA
根因溯源版图理解设计空间搜索
任务执行与环境反馈⇄经验沉淀与能力更新
02Agent 能力研究 · AGENT CAPABILITIES
Agent 构建与自演进
SOP2Workflow记忆系统Skills 演化Agentic RAGMeta-Harness
高效持续学习
Test-Time-Training知识迁移抗遗忘样本高效Agentic RL
01基础算法研究 · FOUNDATIONS
资源高效训推
思维链压缩KVCache 轻量表征快慢思考切换训推加速
智能测评与安全
测试集压缩裁判模型轨迹根因分析鲁棒性安全可信
I
持续学习与 Prompt 优化
让 Agent 在模型权重保持不变或数据有限的条件下，持续利用上下文、历史反馈和任务经验改进执行策略。
II
Agent 构建、记忆与自演进
把行业流程、长期记忆、工具经验和任务反馈转化为可执行、可复用、可持续更新的 Agent 能力。
Open SourceII · 01
SOP2Workflow
基于 EvoFabric 将文档形式的标准操作流程自动转换为可执行 GraphEngine，降低行业 Workflow 开发和调优成本。
连接专业 SOP 与多智能体工具编排，让流程知识从“可阅读”走向“可执行”。
PaperII · 02
Agent 自演进
Agent 在任务环境中主动探索能力边界，通过多路径推理、反思、经验学习与迭代验证持续改进执行表现。
支持 Prompt、工具、拓扑、难例和模型能力的闭环更新，使 Agent 从静态配置走向持续成长。
Featured Open SourceII · 03
MindMemOS：长期记忆与 Skills 演进
统一管理对话、文件、工具轨迹、用户反馈和离线反思，形成可检索、可更新、可跨 Agent 复用的长期记忆系统。
Paper & CodeII · 04
MA-RAG：多轮 Agentic RAG
面向复杂医学推理，MA-RAG 将候选答案间的语义冲突转化为检索查询，在多轮 Agent 循环中协同演化外部证据与内部推理历史，逐步形成稳定、高可信的医学共识。
在 7 个医学问答基准上，相较基座模型平均准确率提升 6.8 个百分点，并持续优于多类推理时扩展与 RAG 基线。
III
自主算法发现
融合大模型、进化搜索、自动评测与执行反馈，推动算法研发从人工设计和手动调参走向机器自主发现。
Featured Open SourceIII · 01
LLM4AD NEXT
面向自动算法设计的一站式开放平台，统一问题、组件、搜索方法、评估器和执行器，支持算法生成、验证、比较与持续进化。
输入问题描述，即可构建从候选算法生成、真实执行到进化优化的完整实验闭环。
Foundational ResearchIII · 02
EoH：Evolution of Heuristics
利用大模型生成启发式算法，并通过进化搜索持续改进候选方案，为组合优化等复杂问题提供通用算法发现范式。
把自然语言推理能力与真实算法执行反馈连接起来，使“算法本身”成为可搜索、可进化的对象。
IV
资源高效训推
面向长思维链和多步 Agent 推理，研究更轻量的推理表征、动态计算分配与系统级加速方法。
PaperIV · 01
大模型思维链压缩
在线识别并截断无效或重复的中间推理，动态控制 Thinking Budget，在尽量保持任务效果的同时减少 Token 与时延。
轻量验证器无需重新训练主模型即可接入批量推理流程，探索效果与计算成本的自适应平衡。
Paper ↗
Code Coming Soon
Paper + CodeIV · 02
KV-Embedding：KVCache 轻量表征
把 KV Cache 从一次性推理缓存转化为可复用的轻量表示，为快慢思考切换、状态复用与长程推理提供新路径。
在无需保存完整隐状态的条件下复用模型计算结果，让大模型用更少 Token 完成更多工作。
V
智能测评与安全
从最终答案扩展到完整执行轨迹，以更低成本评估 Agent 能力，诊断失败根因，并建立面向行业应用的安全可信边界。
测试集筛选与压缩
分析评测样本冗余性，在保持评测代表性和结论一致性的前提下缩小测试集规模。
裁判模型与鲁棒测评
研究可校准、可解释的 LLM-as-Judge，降低模型偏见、提示敏感性与领域不一致问题。
轨迹根因分析与安全
利用推理和工具调用轨迹进行细粒度能力诊断，定位失败步骤并评估安全、鲁棒和可信性。
VI
前沿行业 Agent
将通用 Agent 算法能力带入需要长程探索、精确优化与专业知识协同的科学和工程任务。
AI4Science Agent
探索自主提出假设、设计实验、调用科学工具并根据结果持续修正研究路线的自主研究 Agent。
时序预测 Agent
结合时序 Skills、大小模型协同和领域知识构建，提升复杂业务时序任务的适应性与可解释性。
Agentic EDA
面向良率分析、缺陷根因、版图理解、封装与设计空间搜索，研究数据、工具和专家知识协同。
Research to Practice
研究走向实践
围绕行业 Agent 落地与基础模型应用，推动前沿研究进入真实任务环境。
01 · INDUSTRY AGENTS
行业 Agent 落地
Prompt 自动调优金融 · 手机银行
任务经验系统电力 · 辅助决策 Agent
MindMemOS物流 · 芯片设计 · 金融
LLM4AD NEXT风控 · 终端 · 芯片设计
02 · FOUNDATION MODEL
基础模型应用
ReThinker科学推理能力提升
TrimR高效推理能力提升
Open Research · Open Source
让前沿算法走出论文，
进入真实 Agent 系统。
MindScale 将持续开放论文、代码、文档和评测结果，欢迎研究者、开发者与行业伙伴共同探索下一代 Agent 技术。