无涯智远完成数亿元天使轮融资,主攻大模型部署后持续学习
智东西11月19日报道,今日,北京AI初创公司无涯智远(Norizon AI)宣布完成数亿元天使轮及天使加轮融资,五源资本、红杉中国、联想之星、中关村科学城基金、戈壁创投等参与投资。心流资本FlowCapital担任本轮融资的财务顾问。
11月19日消息,北京AI初创公司无涯智远(Norizon AI)宣布已完成数亿元天使轮及天使加轮融资,五源资本、红杉中国、联想之星、中关村科学城基金、戈壁创投等机构参与投资,心流资本FlowCapital担任本轮融资财务顾问。
无涯智远聚焦实时递归自我改进(Real-Time Recursive Self-Improvement,RSI),主攻方向是让大模型在部署之后仍能持续学习、更新自身参数。
该公司自研RSI模型技术,其中一项核心是SHINE超网络。它想解决的问题是:模型获取新知识,不必只靠扩大上下文窗口或外部检索,而是把有价值的信息转化成自身能力。本轮融资资金将主要投向相关技术研发和产品落地。
创始人兼首席科学家张牧涵本科就读于上海交通大学IEEE试点班,之后赴美国圣路易斯华盛顿大学攻读计算机科学博士,导师是华盛顿大学终身教授、AAAI及IEEE会士陈一昕。
博士毕业后,张牧涵进入Facebook AI(现Meta AI)个性化团队,参与面向全球数十亿用户的大规模图机器学习系统研发。2021年他回国加入北京大学,任北京大学人工智能研究院助理教授、博士生导师。

▲张牧涵,图源:北大人工智能研究院官网
眼下无涯智远团队已超过20人,成员来自北京大学、清华大学、麻省理工学院等高校,其中既有奥赛、ICPC金牌得主,也有来自大厂的后训练和Agent研究人员。
这支团队关注的重点之一,是大模型部署后如何持续学习。
当前模型调用新信息,常见做法是扩大上下文窗口、检索增强生成(RAG)和外部记忆,可这些方式并没有真正把新知识写进模型参数。无涯智远想用RSI技术让模型在实际使用中不断学习,把新知识沉淀成可反复调用的能力。
为此,该公司研发出SHINE超网络技术。超网络可以理解成一种能生成另一个神经网络部分或全部参数的网络——它依据输入的信息,生成目标模型所需的参数更新。
传统微调要经过多轮参数优化,SHINE的做法不同:它尝试用一次前向计算完成轻量级参数更新,把模型持续学习的计算开销压下来。
无涯智远称,在缓解灾难性遗忘方面,与微调对照实验相比,其超网络方案在新知识学习效果和通用任务表现上都拿到了更好的结果。
另外,无涯智远也在研究怎样扩大超网络规模、延长单次知识内化长度,并提升模型在数百万tokens连续更新过程中的稳定性。
结语:实时RSI探索持续升温,模型自我进化仍待落地
大模型正从单次问答走向长期任务执行,部署后如何持续学习新知识,随之成为AI领域新的探索方向。与依赖上下文窗口和外部检索不同,实时递归自我改进(RSI)试图把新知识直接融入模型参数,让模型在使用过程中不断积累经验。
无涯智远选择从超网络技术切入,希望这套方法能降低模型持续学习的成本。不过,从实验走到真实业务应用,模型还得解决长期更新中的稳定性问题,避免学新知识时忘掉原有能力。RSI技术能不能真正变成可靠的产品,仍是无涯智远要攻克的关键问题。