Des chercheurs ont publié Athanor, un système ouvert qui fournit aux agents IA les outils nécessaires pour mener leurs propres expériences de post-entraînement. Les agents ont accès aux données, aux suites d’évaluation et à la gestion des tâches, mais ne peuvent pas faire appel à des modèles enseignants externes. Lors d’un test de 104 heures, quatre agents Claude Opus 5.5, chacun sur un nœud doté de huit GPU, ont considérablement amélioré le modèle brut Qwen3‑4B‑Base.
Les résultats obtenus par les agents
Sur une suite de développement composée de six tâches, le score du modèle est passé de 15.9 à 67.3. Sur une suite de test cachée et distincte, il a bondi de 9.2 à 48.2, dépassant respectivement les scores de 66.5 et 47.9 de la version officielle Qwen3‑4B‑Instruct‑2507. Les agents ont obtenu ces gains en combinant des techniques connues : affinage supervisé à partir de données publiques de raisonnement, nouvelle modification du processus de génération pour l’apprentissage par renforcement, fusion des poids entre agents et plusieurs cycles d’auto-distillation. Tout cela s’est déroulé sans aucun conseil de recherche fourni par des humains.
Pourquoi c’est important
Si les agents IA peuvent mener seuls des cycles de recherche fiables, le coût de développement de meilleurs modèles pourrait baisser et les progrès s’accélérer. Pour les développeurs qui ne disposent pas de grandes équipes de recherche, une plateforme ouverte comme Athanor pourrait permettre à de petits groupes d’expérimenter des processus d’entraînement autonomes.
Pourquoi c'est important
Ce résultat montre que les agents IA actuels disposent déjà de compétences techniques suffisantes pour mener un cycle complet de recherche en post-entraînement. Les organisations qui ne possèdent pas de grands laboratoires pourraient ainsi créer à moindre coût des modèles performants affinés pour suivre des instructions, même si ces gains doivent encore faire l’objet d’une vérification indépendante.
