清华团队提出AI4AI模型Frontis-MA1，迈向递归自我提升
alex_verem · x · 2026-08-04
清华大学研究团队发布论文，提出了名为 Frontis-MA1 的 35B 参数模型，旨在通过“AI4AI”理念探索机器学习工程（MLE）中的递归自我提升（RSI）。
研究团队构建了开源全栈系统 OpenMLE，包含任务环境、算子学习和长程搜索模块。他们将后训练与推理对齐于四个原子程序演化算子（草稿、改进、调试、交叉），并通过执行反馈的 SFT 和 RL 进行训练，将学习与演化耦合在单一循环中。
实验显示，在单张 RTX 4090（限制 12GB 显存）和 12 小时预算下，Frontis-MA1 在 MLE-Bench Lite 基准上将平均获奖率从 39.39% 提升至 60.61%，结合异步经验先验后更是达到了 71.21%。
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
- 用 Codex 17分钟写好 iPhone Duo 抢购程序，41项测试通过 — xiaohu · 2026-10-16
- 多玩家长期记忆产品登顶 BEAM 记忆基准，一条 prompt 即可安装 — CurieuxExplorer · 2026-10-16
- 生成式 CAD 工具 NativeCAD 提供 177 个 MCP 工具，85% 以上英文建零件需求可通过 — burhop · 2026-10-16
- Flux AI CAD 支持导入 STEP 文件后用自然语言直接改型 — burhop · 2026-10-16
- 同时开 50 个 AI 任务是充电还是烧脑?开发者吵起来了 — zack_overflow · 2026-10-16
- 创业者用 Opus 一次清掉 3 万行技术债,印证「等新模型来重构」策略 — lucasmeijer · 2026-10-16