递归自我提升是 AI 走向超智能的潜在路径之一。本文关注一种当下可度量的弱化形式：前沿代理在公开数据上对小基模型进行后训练，以检验其研究潜力。我们构建了 Athanor，一个在真实 GPU 上运行的开放式代理原生系统，支持自主后训练（AutoPostTrain）。系统为代理提供完整的研究自治、低摩擦工程工具以及高效的起始代码。代理自行读取数据集和评估结果，生成训练数据，编写并修改训练算法，调参并分析结果以决定下一步行动。所有操作在沙箱中进行，禁止使用外部教师模型。Athanor 的服务包括冻结评估、作业管理、去污数据、持久研究记录以及代理未知的留出测试套件。
在一次 104 小时的实验中，四个 Claude Opus 5.5 代理各占用一台八卡节点，未接受任何研究建议，成功将 Qwen3-4B-Base 的六任务开发套件得分从 15.9 提升至 67.3，留出套件得分从 9.2 提升至 48.2，分别接近官方 Qwen3-4B-Instruct-2507 的 66.5 与 47.9。记录显示，代理通过组合已知方法和彼此模型实现突破：在公开推理数据上进行 SFT、引入 rollout 变化的 RL、跨代理权重合并以及多轮自蒸馏。执行层面的成熟让当代代理已具备完成此任务的工程与研究能力。我们期待 Athanor 成为规模化自主 AI 研究的基石。
点评