Исследователи представили Athanor — открытую систему, которая даёт ИИ-агентам инструменты для самостоятельных экспериментов с дообучением. Агентам доступны данные, наборы тестов и управление задачами, но они не могут обращаться к внешним моделям-учителям. В ходе 104-часового эксперимента четыре агента Claude Opus 5.5 — каждый на узле с восемью GPU — значительно улучшили исходную модель Qwen3‑4B‑Base.
Чего добились агенты
В наборе из шести тестовых задач оценка модели выросла с 15.9 до 67.3. В закрытом контрольном наборе она поднялась с 9.2 до 48.2, превзойдя официальную Qwen3‑4B‑Instruct‑2507, которая набрала соответственно 66.5 и 47.9. Добиться улучшения агентам удалось, комбинируя известные методы: дообучение с учителем на открытых данных для рассуждений, новую модификацию процесса генерации ответов для обучения с подкреплением, объединение весов разных агентов и несколько циклов самодистилляции. Всё это происходило без исследовательских рекомендаций от людей.
Почему это важно
Если ИИ-агенты смогут самостоятельно проводить надёжные исследовательские циклы, разработка более совершенных моделей может подешеветь, а прогресс — ускориться. Открытая платформа вроде Athanor позволит разработчикам без крупных исследовательских команд экспериментировать с автономными контурами обучения.
Почему это важно
Результат показывает, что современные ИИ-агенты уже обладают достаточными инженерными навыками, чтобы самостоятельно провести полный цикл исследований по дообучению модели. Это может позволить организациям без крупных лабораторий дешевле создавать конкурентоспособные модели, настроенные на выполнение инструкций, хотя независимая проверка результатов ещё не проведена.
