AI创业者个人主页
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
dominik.sh 是 Dominik Schmidt 的个人主页，而不是一个可直接使用的 AI 应用或 SaaS 工具。页面提供了邮箱、GitHub、Twitter、Scholar 等链接，并简要介绍其研究经历：目前是 Recursive 创始团队成员，方向为安全的递归自我改进智能；此前在 Runway 从事 RL post-training 与 world models，在 Weco AI 从事 coding agents 和 evolutionary search methods。
从页面信息看，其关注点集中在 AI 前沿研究：世界模型、强化学习后训练、编码智能体、进化搜索、机器人学习和多任务 RL。代表作品包括 ICLR 2024 spotlight 的“Learning to Act without Actions”、OpenAI MLE-bench 中表现突出的数据科学竞赛智能体 AIDE，以及通用机器人学习和 Rainbow 训练改进等工作。这些内容体现了作者在智能体与学习系统方面的研究积累，但页面没有提供可调用模型、在线 demo、产品工作流或评测入口。
抓取内容未出现任何定价、免费试用、API、SDK、企业集成、支付方式或数据隐私说明。因此不能将其视为面向用户交付的 AI 工具，也无法评估商业化方案、合规能力或数据处理机制。
优点是页面非常简洁，能快速了解作者背景和研究成果，并提供联系与学术追踪入口；研究主题也与当前 AI 智能体、世界模型和递归自改进智能高度相关。局限在于信息量偏少，没有产品说明、案例、文档、开源链接细节或实际可体验功能。对于希望寻找“能直接解决业务问题”的 AI 工具用户，该站点参考价值有限。
它更适合 AI 研究人员、投资/招聘人员、技术团队用于了解作者履历、追踪论文或建立联系；不适合普通企业用户采购 AI 软件。中国访问情况抓取文本未提供，判定为未知。若目标是查找替代信息源，可参考 Google Scholar、Semantic Scholar、GitHub 个人主页或研究机构页面。
本测评基于公开资料整理,不构成购买建议,请以 dominik.sh 官网实际信息为准。
Recursive创始团队成员，关注递归自改进AI。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。