शोधकर्ताओं ने Athanor जारी किया है—एक ओपन सिस्टम, जो AI एजेंटों को अपने पोस्ट-ट्रेनिंग प्रयोग करने के लिए ज़रूरी साधन देता है। एजेंटों को डेटा, मूल्यांकन सूट और जॉब मैनेजमेंट की सुविधा मिलती है, लेकिन वे बाहरी शिक्षक मॉडल का इस्तेमाल नहीं कर सकते। 104 घंटे के एक परीक्षण में, आठ-GPU वाले नोड पर काम कर रहे चार Claude Opus 5.5 एजेंटों ने बिना प्रशिक्षित Qwen3‑4B‑Base मॉडल को लेकर उसके प्रदर्शन में बड़ा सुधार किया।
एजेंटों ने क्या हासिल किया
छह कार्यों वाले डेवलपमेंट सूट पर मॉडल का स्कोर 15.9 से बढ़कर 67.3 हो गया। छिपे हुए, अलग रखे गए टेस्ट सूट पर स्कोर 9.2 से बढ़कर 48.2 पहुंच गया। दोनों मामलों में यह आधिकारिक Qwen3‑4B‑Instruct‑2507 के क्रमशः 66.5 और 47.9 के स्कोर से बेहतर था। एजेंटों ने पहले से ज्ञात तरीकों को नए सिरे से मिलाकर ये नतीजे हासिल किए: सार्वजनिक रीजनिंग डेटा पर सुपरवाइज़्ड फाइन-ट्यूनिंग, रीइन्फोर्समेंट लर्निंग के लिए रोलआउट में एक नया बदलाव, एजेंटों के बीच वेट मर्ज करना और सेल्फ-डिस्टिलेशन के कई दौर। यह सब बिना किसी इंसान से शोध संबंधी सलाह लिए हुआ।
यह क्यों अहम है
अगर AI एजेंट अपने दम पर भरोसेमंद शोध चक्र चला सकते हैं, तो बेहतर मॉडल विकसित करने की लागत घट सकती है और प्रगति तेज़ हो सकती है। बड़े शोध दलों के बिना काम करने वाले डेवलपरों के लिए Athanor जैसा ओपन प्लेटफॉर्म छोटे समूहों को स्वायत्त ट्रेनिंग पाइपलाइन के साथ प्रयोग करने का मौका दे सकता है।
यह क्यों मायने रखता है
यह नतीजा दिखाता है कि मौजूदा AI एजेंटों में पोस्ट-ट्रेनिंग शोध का पूरा चक्र चलाने की पर्याप्त इंजीनियरिंग क्षमता है। इससे बड़ी प्रयोगशालाओं के बिना काम करने वाले संगठन कम लागत में प्रतिस्पर्धी, निर्देशों के अनुरूप ढाले गए मॉडल बना सकते हैं—हालांकि इन नतीजों की स्वतंत्र पुष्टि अभी बाकी है।
