Frontis-MA1 论文详解：AI4AI 模型的递归自我改进

mark_k · x · 2026-08-02

本推分享了 Frontis-MA1 的论文详情。论文指出，递归自我改进 (RSI) 需要系统能优化构建 AI 的过程本身（即 AI4AI），而机器学习工程 (MLE) 提供了可执行的测试环境。

研究团队推出了涵盖任务环境、算子学习和长程搜索的开源全栈系统 OpenMLE。基于此训练的 35B 智能体通过执行反馈和异步搜索，在 MLE-Bench Lite 上达到 71.21%，超越 GPT-5.5 + Codex 并逼近更大的 Kimi K3。在未见过的 NatureBench Lite 上，替换该模型也能将 Match-SOTA 从 50% 提升至 70%，证明了其泛化与自我进化能力。