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
- 利用浏览器开发者工具快速将任意网站转为 API 或 MCP 服务 — dsp_ · 2026-08-04
- Anthropic 工程师演示多智能体循环：40 分钟从零构建完整应用 — mathemagie · 2026-08-04
- 生产环境跑 Agent 一年复盘：可控审计比模型能力更重要 — KimLikeJ · 2026-08-04
- 开源项目 The Librarian：用 MCP 服务器管理 3000 个技能，节省 token 并自动优化 — Open-Appeal-9747 · 2026-08-04
- DSPy 推出实验性功能 Flex：可自动优化代码与控制流 — lateinteraction · 2026-08-04
- OpenAI 暗示下一代模型需更强算力，Codex 或向云端智能体演进 — haider1 · 2026-08-04