論文の概要: Athanor: An Agent-Native System for Autonomous Post-Training Research

• arxiv url: http://arxiv.org/abs/2610.21055v1
• Date: Thu, 15 Oct 2026 00:56:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.113634
• Title: Athanor: An Agent-Native System for Autonomous Post-Training Research
• Title（参考訳）: Athanor: 自律的なポストトレーニング研究のためのエージェント-Nativeシステム
• Abstract要約: 私たちは自律的なポストトレーニング研究のためのオープンエージェントネイティブシステムであるAthanorを構築します。 Athanorのサービスは凍結した評価、管理されたジョブ、汚染されたデータ、永続的な研究記録、エージェントが知らないホールドアウトスイートを提供する。 これは、フロンティアエージェントのチームが、生のベースモデルを自律的にポストトレーニングできる最初のデモである。
• 参考スコア（独自算出の注目度）: 11.127333067873225
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recursive self-improvement, in which AI systems build stronger AI systems, is one promising route to superintelligence. We study a weaker form that can be measured today: frontier agents post-training a small raw base model with public data, as a test of their research potential. We build Athanor, an open agent-native system for autonomous post-training research (AutoPostTrain) on real GPUs. We give the agents full research autonomy, low-friction engineering tools, and efficient starter code. The agents carry out the research themselves: they read datasets and evaluation results, build their training data, write and modify training algorithms, tune hyperparameters, and analyze the results to decide what to try next. They work in a sandbox and cannot use external teacher models. Athanor's services supply frozen evaluation, managed jobs, decontaminated data, a persistent research record, and a held-out suite the agents are unaware of. In a 104-hour campaign, a team of four Claude Opus 5.5 agents, each on an eight-GPU node and given no research advice, improves Qwen3-4B-Base from 15.9 to 67.3 on a six-task development suite and from 9.2 to 48.2 on a held-out suite, against 66.5 and 47.9 for the official Qwen3-4B-Instruct-2507. To our knowledge, this is the first demonstration that a team of frontier agents can autonomously post-train a raw base model into a cross-domain generalist model that matches or surpasses the official instruct version on average. The campaign's full record shows that the agents reach this level by recombining known methods and each other's models: SFT on public reasoning data, RL with a rollout change one agent introduced, weight merges across agents, and rounds of self-distillation. With execution handled, today's agents already have the engineering and research ability to conquer this task. We hope Athanor provides a foundation for scaling autonomous AI research.
• Abstract（参考訳）: AIシステムがより強力なAIシステムを構築する、再帰的な自己改善は、超知能への有望な道の1つだ。 我々は、現在測定できるより弱い形態について研究する。フロンティアエージェントは、その研究可能性のテストとして、公的なデータで小さな原ベースモデルをトレーニングした後の訓練を行う。 Athanorはオープンなエージェントネイティブシステムで、実際のGPU上で自律的なポストトレーニング研究(AutoPostTrain)を行う。 エージェントに完全な研究自律性、低フリクションエンジニアリングツール、効率的なスターターコードを提供します。 エージェントは、データセットと評価結果を読み、トレーニングデータを構築し、トレーニングアルゴリズムを書いて修正し、ハイパーパラメータをチューニングし、結果を分析して次に試すかを決定する。 サンドボックスで作業しており、外部の教師モデルを使用することはできない。 Athanorのサービスは凍結した評価、管理されたジョブ、汚染されたデータ、永続的な研究記録、エージェントが知らないホールドアウトスイートを提供する。 104時間のキャンペーンでは、4人のClaude Opus 5.5エージェントがそれぞれ8GPUノードにいて、研究アドバイスは与えられていないため、Qwen3-4B-Baseを6タスク開発スイートで15.9から67.3、保留スイートで9.2から48.2、公式Qwen3-4B-Instruct-2507で66.5と47.9に改善した。 私たちの知る限り、フロンティアエージェントのチームが、原ベースモデルをドメイン間ジェネラリストモデルに自律的にポストトレーニングし、公式のインストラクションバージョンを平均的にマッチまたは超えることができるのは、これが初めてです。 キャンペーンの完全な記録は、エージェントが既知の方法とお互いのモデルを再結合することで、このレベルに達することを示している: 公開推論データ上のSFT、あるエージェントが導入したロールアウト変更によるRL、エージェント間の重み付け、そして自己蒸留のラウンド。 実行を処理することで、今日のエージェントは、このタスクを克服するエンジニアリングと研究能力を持っています。 Athanorが自律的なAI研究をスケールするための基盤を提供することを期待している。

関連論文リスト

• More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning [63.18264683480907]
  エージェント強化学習における自己蒸留は、多くの方法を生み出している。 既存の評価は、異なる実験条件下で発行されたベースラインスコアを再利用することが多い。 これらの制限は、報告された利得の源と、競合する手法の実践的な強みと弱点を曖昧にしている。
  論文  参考訳（メタデータ） (2026-10-14T08:36:31Z)
• NeoHorse-1: Towards Recursive Self-Improvement via Agentic Post-Training with Routing Harness [76.6324710887112]
  NeoHorse-1は、エージェントのポストトレーニングを通じてこの経路を探索するために開発されたエージェントネイティブモデルのファミリーである。 本システムでは,異種モデルプールとインテリジェントなルーティング,予測能力要求,選択されたサービス層,およびその後のユーザ毎のインタラクションを結合する。
  論文  参考訳（メタデータ） (2026-09-08T03:14:54Z)
• OpenThoughts-Agent: Data Recipes for Agentic Models [99.10629645072653]
  OT-Agentプロジェクトはエージェントモデルをトレーニングするための完全にオープンなデータキュレーションパイプラインである。 パイプラインの各段階について100以上の制御アブレーション実験を行った。 このデータセットには、パイプラインから100Kのサンプルと微調整されたQwen3-32Bのトレーニングセットが組み込まれています。
  論文  参考訳（メタデータ） (2026-06-23T17:34:29Z)
• PostTrainBench: Can LLM Agents Automate LLM Post-Training? [29.73325463650116]
  AIエージェントは、この1年で驚くほどソフトウェア工学に精通している。 これらのシステムは、AI研究そのものを自動化する能力を拡張することができるのだろうか? 本稿では,LLMエージェントが有界な計算制約下で自律的に実行できることをベンチマークするためにPostTrainBenchを導入する。
  論文  参考訳（メタデータ） (2026-03-09T17:18:00Z)
• InfoAgent: Advancing Autonomous Information-Seeking Agents [143.15973604285304]
  本稿では,革新的なデータ合成パイプラインとWeb検索ツールを駆使したディープリサーチエージェントInfoAgentを紹介する。 我々の方法では、InfoAgentはBrowseCompで15.3%、BrowseComp-ZHで29.2%、Xbench-DSで40.4%の精度を達成した。
  論文  参考訳（メタデータ） (2025-09-29T17:59:57Z)
• Cognitive Kernel-Pro: A Framework for Deep Research Agents and Agent Foundation Models Training [67.895981259683]
  汎用AIエージェントは、次世代人工知能の基礎となるフレームワークとして、ますます認識されている。 現在のエージェントシステムはクローズドソースか、さまざまな有料APIやプロプライエタリなツールに大きく依存している。 我々は,完全オープンソースかつ(最大限に)フリーなマルチモジュールエージェントフレームワークであるCognitive Kernel-Proを提案する。
  論文  参考訳（メタデータ） (2025-08-01T08:11:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。