35B模型结合进化算法超越GPT-5.5，实现递归自我改进
cwolferesearch · x · 2026-08-03
当前多数递归自我改进（RSI）研究依赖编码智能体进行简单的爬山算法。本文介绍的 Frontis-MA1（35B）尝试引入进化/遗传算法来释放更大潜力。
该模型被训练为一个面向机器学习工程（MLE）的元进化智能体，核心机制包含四个原子操作：草拟、改进、调试和交叉。它不再只生成单一方案，而是在沙盒中演化大量候选代码，通过执行真实任务得分来指导长周期搜索。
实验结果显示，在 MLE-Bench Lite 测试中（单卡 RTX 4090 限制下），该系统将基础模型的奖牌平均得分从 39.39% 提升至 60.61%，在使用经验先验和异步搜索的 Evo-Max 机制下更是达到 71.21%，超越了 GPT-5.5 + Codex，逼近 GPT-5.6 Sol 和 2.8T 参数的 Kimi K3。
所属事件:清华发布Frontis-MA1模型探索递归自我提升(2 条相关)→
「编程与Agent」频道最新
- 开发者用3台DGX Spark组本地集群跑GLM-5.3-Flash,配代理均衡日生175万token — Teknium · 2026-10-16
- 开发者分享给电脑上的 Agent 划权限:能读能写,发删买一律先问人 — No_Fan5310 · 2026-10-16
- 开发者用GPT写出unifi-simulator,让MikroTik交换机伪装进UniFi网络拓扑 — Pytlicek · 2026-10-16
- 斯坦福 45 分钟课拆解 Grok Bot:always-on agent 的 harness 工程 — Hesamation · 2026-10-16
- Opus 5.5 + Three.js 打造水波鱼群樱花互动场景，美到刷屏 — nikola_mr64990 · 2026-10-16
- 用 Grok 搭建线性回归交易系统，125 天在 Polymarket 赚 50 万美元 — Roger_M_Taylor · 2026-10-16