# Athanor让AI智能体自主改进基础模型

> 4个Claude Opus 5.5智能体经过104小时训练，将Qwen3‑4B提升至与官方指令微调版本相当的水平，全程无需人工指导。

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

研究人员发布了Athanor，这是一个开放系统，为AI智能体提供自主开展后训练实验所需的工具。智能体可以使用数据、评测套件和任务管理工具，但不能调用外部教师模型。在一项为期104小时的测试中，4个Claude Opus 5.5智能体各自运行在一台配备8块GPU的节点上，大幅提升了原始Qwen3‑4B‑Base模型的表现。

## 智能体取得了哪些成果

在包含6项任务的开发评测套件中，模型得分从15.9升至67.3。在未公开的留出评测套件中，得分从9.2跃升至48.2，分别超过官方Qwen3‑4B‑Instruct‑2507的66.5和47.9。智能体通过重新组合已有方法取得这些提升：利用公开推理数据进行监督微调、为强化学习引入一种新的采样调整、合并多个智能体的模型权重，以及进行多轮自蒸馏。整个过程没有任何人类提供研究建议。

## 为何重要

如果AI智能体能够独立开展可靠的研究迭代，开发更好模型的成本可能会降低，进展也可能加快。对于缺乏大型研究团队的开发者来说，Athanor这样的开放平台或许能让小团队试验自主训练流程。

## 事实

- Athanor发表于2026-10-16上传至arXiv的一篇论文中。
- 实验中，4个Claude Opus 5.5智能体各自使用了一台配备8块GPU的节点。
- 经过104小时的实验，Qwen3‑4B‑Base在开发评测套件中的得分从15.9升至67.3。
- 在留出评测套件中，得分从9.2升至48.2，超过官方指令微调版本的47.9。
- 智能体只使用公开数据，且无法调用外部教师模型。

## 为什么重要

这一结果表明，现有AI智能体已具备足够的工程能力，可以独立完成一整套后训练研究流程。这可能让没有大型实验室的机构以更低成本打造具有竞争力的指令微调模型，不过这些提升仍有待独立验证。

## 来源与参考

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

最后更新: 2026-10-16