一篇于2026年10月15日提交至arXiv的预印本介绍了Athanor，这是一个面向自主后训练研究的智能体系统。论文报告称，四个Claude Opus 5.5智能体在没有人工研究指导、也不能调用外部教师模型的条件下，协作完成数据构建、训练算法修改、超参数调整和结果分析，尝试把一个原始基础模型训练成跨领域通用模型。论文原文
这项工作的重点不只是让智能体执行既定训练脚本，而是把“提出实验—运行训练—读取评测—决定下一步”组成闭环。Athanor提供受控沙箱、托管作业、冻结评测、去污染数据、持续研究记录和智能体事先不知道的留出测试集，使多个智能体能够分别试验，再共享模型和经验。
论文称，在一次持续104小时的实验中，智能体团队将Qwen3-4B-Base在六项开发任务上的得分从15.9提高到67.3，在留出测试集上的得分从9.2提高到48.2；作为参照，官方Qwen3-4B-Instruct-2507在两套测试上的得分分别为66.5和47.9。论文还归因于几类已知方法的组合，包括基于公开推理数据的监督微调、强化学习、智能体之间的权重合并，以及多轮自蒸馏。
这一结果显示，当前智能体可能已经能够在相对明确、可自动评测的机器学习工程任务中承担较长链条的实验工作。但它并不等于智能体已经实现了普遍意义上的自主科学发现：实验对象是一个较小规模的基础模型，结论来自单次104小时活动，方法主要是重组已有训练技术，且论文仍是尚未经过同行评审的预印本。后续更重要的验证包括能否迁移到不同模型、数据和研究问题，以及如何审计智能体选择实验和报告结果的过程。
对行业而言，Athanor把智能体能力评估从“能否调用工具”推进到“能否管理完整的模型改进循环”。如果这类系统继续发展，算力调度、实验可复现性、数据污染检测、权限隔离和留出评测将成为部署自主机器学习智能体时不可回避的基础设施问题。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
