# Athanor permette agli agenti IA di migliorare un modello di base

> In una prova di 104 ore, quattro agenti Claude Opus 5.5 hanno portato Qwen3‑4B a prestazioni pari a quelle della versione ufficiale con istruzioni, senza guida umana.

Oossa · 2026-10-16 · https://oossa.com/it/ath-anor-lets-ai-agents-improve-a-base-model-on-their-own

I ricercatori hanno presentato Athanor, un sistema aperto che mette a disposizione degli agenti IA gli strumenti necessari per condurre autonomamente esperimenti di post-addestramento. Gli agenti possono accedere a dati, suite di valutazione e strumenti per gestire i processi, ma non possono ricorrere a modelli esterni usati come insegnanti. In una prova di 104 ore, quattro agenti Claude Opus 5.5, ciascuno su un nodo con otto GPU, hanno migliorato notevolmente il modello Qwen3‑4B‑Base originale.

## I risultati ottenuti dagli agenti

Il punteggio del modello su una suite di sviluppo composta da sei attività è salito da 15.9 a 67.3. Su una suite di test nascosta e tenuta da parte, è passato da 9.2 a 48.2, superando rispettivamente i risultati di 66.5 e 47.9 ottenuti dalla versione ufficiale Qwen3‑4B‑Instruct‑2507. Gli agenti hanno raggiunto questi risultati combinando tecniche già note: fine-tuning supervisionato su dati pubblici di ragionamento, una nuova modifica alle generazioni dei campioni per l’apprendimento per rinforzo, fusione dei pesi tra agenti e cicli di auto-distillazione. Tutto questo senza alcun suggerimento di ricerca fornito da esseri umani.

## Perché è importante

Se gli agenti IA riusciranno a condurre autonomamente cicli di ricerca affidabili, i costi per sviluppare modelli migliori potrebbero diminuire e i progressi accelerare. Per gli sviluppatori che non dispongono di grandi gruppi di ricerca, una piattaforma aperta come Athanor potrebbe permettere anche a team più piccoli di sperimentare pipeline di addestramento autonome.

## I fatti

- Athanor è stato descritto in un articolo pubblicato su arXiv il 2026-10-16.
- Per l’esperimento, ciascuno dei quattro agenti Claude Opus 5.5 ha utilizzato un nodo con otto GPU.
- La campagna di 104 ore ha portato il punteggio di Qwen3‑4B‑Base sulla suite di sviluppo da 15.9 a 67.3.
- Su una suite di test tenuta da parte, il punteggio è salito da 9.2 a 48.2, superando il 47.9 della versione ufficiale con istruzioni.
- Gli agenti hanno utilizzato solo dati pubblici e non potevano ricorrere a modelli esterni usati come insegnanti.

## Perché conta

Il risultato mostra che gli agenti IA attuali hanno già capacità ingegneristiche sufficienti per condurre un intero ciclo di ricerca sul post-addestramento. Questo potrebbe permettere anche alle organizzazioni senza grandi laboratori di creare modelli competitivi ottimizzati per seguire istruzioni a costi inferiori, anche se i risultati devono ancora essere verificati in modo indipendente.

## Fonti e riferimenti

1. [Athanor: An Agent-Native System for Autonomous Post-Training Research](https://arxiv.org/abs/2610.21055) – arXiv, 2026-10-16

Ultimo aggiornamento: 2026-10-16